P4 : Projet de modélisation supervisée - SCORING

Bon ou mauvais Payeur?:

Ce projet provient à l'origine d'une compétion Kaggle dont le but était de sélectionner le meilleur modèle de scoring pour sa clientèle

L'enjeu est de developper un modèle de scoring:

• pour aider à décider si un prêt peut être accordé à un client ou non
• qui doit etre facilement interprétable

Ressources:

Jeu de données:
lien

Ressources utiles sur l'interprétabilité en python:
lien 1
lien 2
lien 3
lien 4
lien 5

Script

un notebook commenté d'analyse descriptive
un notebook commenté de modélisation:

• qui transforme et construit de nouvelles variables
• qui met en oeuvre un certains nombre de taches de preprocessing comme:
  • l'undersampling
  • le split train/test
  • la transformation one hot encoder de variables categorielles
  • le scaling
  • l'imputation
• qui met en oeuvre une fonction de scoring bespoke adaptée
• qui entraine différents modèles supervisés répondant aux attentes du metier:
  • regression logistique, linear SVM classifier, SVM classifier
  • random forest
  • bagging, adaboost, gradient boosting
• qui adapte des hyperparamètres d'un modèle
• qui évalue et interprète les performances d'un modèle supervisé classique

Présentation PDF:

pdf complet