granting-of-credit

Creating a credit granting model

1. Problema de negócio

A concessão de crédito é uma etapa que precisa ser muito assertiva, ou seja, o crédito precisa ser concedido para pessoas com maior probabilidade de quitar o empréstimo.

Para isso, é necessário um projeto onde seja realizada a análise combinada com a construção de um modelo de avaliação de crédito treinado e supervisionado de diversos casos de concessão.

2. Estratégia de solução

1. Questão de negócios:

   • Construção de um modelo de concessão de crédito

2. Entendendo o negócio:

   • O nosso cliente está a precisar de um modelo de concessão para ser avaliado a possibilidade de concessão de crédito a possíveis clientes novos no seu negócio

3. Coleta de dados

   • Dado pelo cliente

4. Limpeza de dados

   • Descrição dos dados
     • Saber o tamanho do problema que estamos enfrentando
   • Engenharia de recursos
     • Criar novas variáveis a partir dos originais, buscando uma melhor visualização das mesmas
   • Filtragem de variáveis
     • Filtrar variáveis com base no viés do negócio (dados que não podem ser utilizados pela empresa em geral, dados que não estarão disponíveis no momento da previsão,...)
     • Isso influencia como vamos modelar o algoritmo

5. Análise exploratória de dados (EDA)

   • Entender o negócio do ponto de vista dos dados
   • Criar um domínio sobre o problema, através de plots e hipóteses, de quais variáveis seriam importantes para o aprendizado do modelo
   • Gerar insights, causando até uma possível quebra de crenças em outras pessoas que estão inseridas no problema em questão

6. Modelagem de dados

   • Separamos os dados, mas agora precisamos preparar os dados para os modelos de aprendizado de máquina
     • Codificação de variáveis categóricas e numéricas
   • Seleção de recursos usando algum algoritmo de ML, neste projeto foi SelectFromModel do sklearn
     • Vemos a influência da variável dependente com a resposta

7. Algoritmos de aprendizado de máquina

   • Implementamos inicialmente 1 algoritmo de baseline, 3 não lineares (Naive, Random forest, XGBoost, MLP)
   • Analisamos o erro do ponto de vista do desempenho do modelo
     • Olhando as métricas de acurácia, precisão, recall. f1-score e a matriz de confusão

3. Os 3 principais insights dos dados

1. Mulheres são mais boas pagadoras do que homens?

   • Verdadeiro, o conjunto de dados mostra que, em percentual, as mulheres foram classificadas mais como boas pagadoras

2. Pessoas mais jovens são mais mal pagadoras?

   • Verdadeiro, o nosso conjunto mostra que geralmente pessoas mais jovens são mais classificadas como mais mal pagadoras

3. Tem algum estado que as pessoas pagam muito mais mal que nos outros?

   • Sim, o Amapá paga ligeramente mais mal do que os outros estados em nosso problema

4. Modelos de aprendizado de máquina aplicados

Os testes foram feitos usando diferentes algoritmos.

5. Desempenho dos modelos de aprendizado de máquina

O algoritmo XGBoostClassifier foi escolhido como o modelo de classificação binária, onde criou um treinamento mais longo para melhorar sua capacidade de generalização.

Ele conseguiu uma marca 1478 true positives, onde melhorou 3 vezes o que tínhamos vencido no primeiro treinamento do modelo

6. Resultados de Negócios

Conseguimos uma equiparação na performance na política escolhida pelo cliente, com um treinamento mais refinado, facilmente ultrapassaremos a dívida do cliente na concessão de crédito

7. Próximos passos para melhorar

Treinar com mais n_estimators a XGBoost, pois, a partir dos experimentos, ela foi mais generalista quando completava o treinamento com o valor mais alto desse hiperparametro, no entanto, precisa de mais CPU com mais threads/cores para isso

Validar scores no conjunto oot

Testar distribuições diferentes para mitigar o efeito dos falsos positivos