要求
根据贷款申请人的数据信息预测其是否有违约的可能，以此判断是否通过此项贷款。
数据概况
总数据量超过120w，包含47列变量信息，其中15列为匿名变量。从中抽取80万条作为训练集，20万条作为测试集A，20万条作为测试集B，同时对employmentTitle、purpose、postCode和title等信息进行脱敏
赛题地址：https://tianchi.aliyun.com/competition/entrance/531830/information?lang=zh-cn
评测标准
AUC评估模型
- AUC(area under the curve)是ROC曲线下的面积
学习路线： 混淆矩阵 -> ROC -> AUC - 混淆矩阵
以预测肿瘤是否为恶行为例：
如图：TP表示预测为良性，而实际也是良性的样例数；
FN表示预测为恶性，而实际是良性的样例数；
FP表示预测为良性，而实际是恶性的样例数；
TN表示预测为恶性，而实际也是恶性的样例数；
以上四个数构成混淆矩阵，然后定义两个变脸：
FPR表示，在所有的恶性肿瘤中，被预测成良性的比例。称为伪阳性率。伪阳性率告诉我们，随机拿一个恶性的肿瘤样本，有多大概率会将其预测成良性肿瘤。显然我们会希望FPR越小越好
TPR表示，在所有良性肿瘤中，被预测为良性的比例。称为真阳性率。真阳性率告诉我们，随机拿一个良性的肿瘤样本时，有多大的概率会将其预测为良性肿瘤。显然我们会希望TPR越大越好
以FPR/TPR为坐标画图：（显然左上角的最好）
- 将正负样本分离的程度不同，不由不同的ROC曲线
- ROC曲线下面的面积即为AUC，其除了考虑了准确性之外还考虑的阈值的影响，所以很稳定
参考：https://blog.csdn.net/liweibin1994/article/details/79462554