传统信贷客户违约预测的问题:
- 客户信息数据来源复杂
- 有很多时间相关信息的特征难以利用
- 数据维度多,建模预处理难度大
- 阳性数量低,容易出现模型过拟合
- 违约条件划线难
使用易明智能建模工具:
- 智能筛选重要变量,合理升维、降维,让业务人员可以通过最小维度的特征建模
- 对时间因素充分利用并合理处理
- 智能模型筛选避免过拟合
- 业务人员可以根据自己的需求快速建模,并根据多种模型表现,综合选择合理划线规则
潜在意义:快速有效提升了银行对小微信贷客户违约概率的准确判断,加强其风险防控能力
建模结果对比
目标:某大型银行根据小微信贷客户的信息判断小微客户信贷违约概率,帮助银行拓展小微客户信贷业务
易明智能建模工具用时仅17分钟,且模型前10%Lift表现相较于传统建模的模型表现高出近2.1%,且模型表现更稳定。
智能建模 | 传统建模 | |
建模时间 | 17分钟(数据预处理+建模) | - |
建模数量 | 1 | 1 |
训练集 | 0.996 | 0.998 |
测试集 | 0.987 | 0.972 |
前10% lift | 9.8 | 9.6 |
原数据维度 | 5500+ | 5500+ |
建模数据 | 36000+ / 453MB | 300000+/ 4.5GB |