信貸(Loan)交易預測

https://tbrain.trendmicro.com.tw/Competitions/Details/5

目標：

透過玉山提供官網上120天的瀏覽行為、客戶基本資料及交易(信貸申請, 信用卡申請, 外匯交易, 信託類產品交易)，預測顧客在之後的30天與玉山的信貸往來狀況。

本次使用的資料集：

資料名稱	資料內容	資料筆數
TBN_CUST_BEHAVIOR.csv	顧客網頁瀏覽行為	2,209,864筆
TBN_CIF.csv	顧客基本資料	187,679筆
TBN_CC_APPLY.csv	顧客信用卡核卡資料	54,393筆
TBN_FX_TXN.csv	顧客外匯交易資料	507,185筆
TBN_LN_APPLY.csv	顧客信貸申請資料	6,741筆
TBN_WM_TXN.csv	顧客信託類產品交易資料	195,000筆

技巧：

1. 特徵產生(Feature Generation)
2. 資料探勘(EDA)
3. 使用模型進行預測
4. 結論

1. 特徵產生(Feature Generation):

本次的資料集除了信貸資料外，共有5個表格，分別描述其他產品及使用者行為；為了探討其他特徵和信貸的關係，以使用者(Cust_NO)作為Primary Key，針對有發生信用卡/外匯/信託類產品/使用者行為的動作設為1，並合併成1個Train_Set.

2. 資料探勘(EDA):

a. 信貸申請次數 VS.天數

透過趨勢圖, 可看出前兩個月的貸款申請人數在月初和月底較高，但第三個月的狀況不明顯。

b. 信貸申請和可能的url關聯

為了探討使用者行為和信貸申請的關係，觀察編碼後的URL，篩選出包含和信貸相關關鍵字-qodr的URL，再繪製每一天的URL拜訪數量，並和信貸申請人數比較； 雖然有些趨勢類似，但兩者的相關係數為-0.3，並非正相關。

c. 缺失值

合併整理後的Train_Set，資料筆數為157971筆；然而，下方圖表為缺失值的數目，可以發現信貸的數據缺失值很多，這是這次信貸預測最難進行的一個原因。

d. 各特徵之間的相關性

3. 使用模型進行預測：

參考其它文獻及Kaggle競賽，因此使用XGBoost作為訓練模型；並利用Train_set的前90天資料作為X， 後30天資料作為y; 其中30%的資料集做為Validation set。

4.結論：

本次預測Validation set的Accuracy為0.99。