Модели скоринга

Модели

# Модель Источники AUC ROC Статус
1 Модель кредитного скоринга. Градиентный бустинг v3
Обучена 10.12.2019
  • SAP S4/HANA
  • Кредитное бюро
  • SAP BW
  • HDFS
0.8102
АктивнаОбучена Подробнее
2 Модель кредитного скоринга. Градиентный бустинг v2
Обучена 04.12.2019
  • SAP S4/HANA
  • Кредитное бюро
  • SAP BW
0.738
Обучена Подробнее
3 Модель кредитного скоринга. Градиентный бустинг v1
Обучена 21.06.2019
  • SAP S4/HANA
  • Кредитное бюро
0.712
Обучена Подробнее

Метрики модели

Accuracy:

Доля верного определения класса во всей выборке.

0.948
AUC ROC

Area Under Receiver Operating Characteristics curve. Насколько модель способна находить отличия между классами.

0.8102
Precision

Точность. Какая доля заявок предсказанного класса действительно относилась к этому классу.

0.67
Recall

Полнота. Какая доля заявок этого класса была корректно предсказана.

0.056
Оценить модель заново

Рассчитать метрики качества модели на основе случайной выборки из исторических данных для валидации

Интерпретация алгоритма

Для оценки значимости признака используются SHAP значения.
Значение на шкале Х - модуль среднего изменение результата модели при удалении определенного признака.

Источники данных

ID Система Тип данных Описание данных Интерфейс
1001 SAP S4/HANA Транзакционные История заявок на кредит OData
1002 Кредитное бюро исторические, xml, веб-сервис Кредитная история наших клиентов HTTP REST API
1005 BW исторические, реляционная модель История выплат по кредитам BEx Connector
1006 HDFS исторические, файлы История баланс кредитной карты RPC, чтение csv, tsv файлов

Метрики модели

Accuracy:

Точность предсказания. Доля верного определения класса во всей выборке.

0.931
AUC ROC

Area Under Receiver Operating Characteristics curve. Насколько модель способна находить отличия между классами.

0.738
Precision

Точность. Какая доля заявок предсказанного класса действительно относилась к этому классу.

0.53
Recall

Полнота. Какая доля заявок этого класса была корректно предсказана.

0.053
Оценить модель заново

Рассчитать метрики качества модели на основе случайной выборки из исторических данных для валидации

Источники данных

ID Система Тип данных Описание данных Интерфейс
1001 SAP S4/HANA Транзакционные История заявок на кредит OData
1002 Кредитное бюро исторические, xml, веб-сервис Кредитная история наших клиентов HTTP REST API
1005 BW исторические, реляционная модель История выплат по кредитам BEx Connector

Метрики модели

Accuracy:

Точность предсказания. Доля верного определения класса во всей выборке.

0.925
AUC ROC

Area Under Receiver Operating Characteristics curve. Насколько модель способна находить отличия между классами.

0.712
Precision

Точность. Какая доля заявок предсказанного класса действительно относилась к этому классу.

0.54
Recall

Полнота. Какая доля заявок этого класса была корректно предсказана.

0.051
Оценить модель заново

Рассчитать метрики качества модели на основе случайной выборки из исторических данных для валидации

Источники данных

ID Система Тип данных Описание данных Интерфейс
1001 SAP S4/HANA Транзакционные История заявок на кредит OData
1002 Кредитное бюро исторические, xml, веб-сервис Кредитная история наших клиентов HTTP REST API