문제시나리오: 고객 신용데이터를 활용한 신용카드 발급 분류규칙 도출

● 금융권에서 가급적 고신용자를 선택해서 신용카드를 잘 발급하면 좋기 때문에 그런 걸 위한 분석

고객 신용데이터를 활용한 신용카드 발급 분류규칙 도출

(분석배경)

저신용자 신용카드발급: 결제 대금 갚지 못해 손실 가능성이 있음
저신용자 신용카드발급억제: 손실 가능성을 사전에 차단할 수 있음
고신용자 신용카드 발급: 카드사용수수료를 받아 수익성개선
고신용자 신용카드 발급억제: 카드사용수수료 이익을 상실하게 됨

(기본 의문사항)

왜 신용카드 사용자중에 우량고객과 불량고객이 나누어지는 것일까?
우량과 불량고객을 구분하는 특성요인은 무엇인가?

(분석목표)

카드사용신청자중 우량과 불량고객을 구분하는 규칙을 도출해 우량고객에게는 카드발급을 불량고객에게는 카드발급제한을 두기 위함

● 민감도 (1을 잘 찾는 것: 고신용자에게 더 발급) / 특이도 (0을 잘 찾는 것: 저신용자에게 덜 발급)

1. raw 데이터 준비

● 머신러닝은 변수 설정의 디테일에 대해 고민을 많이 하지 않음. 상관성이 약한 변수는 축소하는 기법으로 해나가면 되기 때문.

(qualitative) CHK_ACCT: 당좌예금 계좌상태

0: 0 DM미만, 1: 0-200 DM미만, 2: 200 DM 이상, 3: 당좌예금계좌 없음

● 0: 계좌가 있는데 0마르크. 이런 사람들은 불량고객일 거라고 예상.

● 3: 아예 예금 계좌가 없음.

(numeric) DURATION: 신용거래 개월수

● 연속 변수. 거기 ㄱ간이 어느정도 있었는지 중요.

(qualitative) HISTORY: 신용기록

0: 신용거래 없음, 1: 기한 내 변제, 2: 변제 기한 남음,
3: 연체 이력있음, 4: 신용불량자

● 기존에 갚았고 안 갚았고의 입장에서. 충분히 개연성 있는 변수.

(qualitative) PURPOSE: 신용목적

1: NEW_CAR, 2: USED_CAR, 3: FURNITURE,
4: RADIO/TV, 5: EDUCATION, 6: RETRAINING

● 어떤 목적으로 차를 빌리려 했는지에 따라서도 결과가 달랐다. (retraining: 자기계발)

● 보기 항목을 보면 소비 측면, 재투자 측면, 자기 계발 지향적인 특성이 있다.

● 소비 지향적인 고객은 리스크가 있어 상환능력을 의심해볼 수 있는 지점이 있다.

(numeric) AMOUNT: 신용금액
(qualitative) SAV_ACCT: 보통예금 계좌 평균잔고

0: 100DM미만, 1: 100~500DM미만, 2: 500~1000DM미만,
3: 1,000DM이상, 4: 모름/보통예금 계좌 없음

——————————위는 금융 관련된 변수라면 아래부터는 개인 정보—–

(qualitative) EMPLOYMENT: 현직장 재직기간

0: 무직, 1: 1년 미만, 2: 1~4년 미만, 3: 4~7년 미만, 4: 7년 이상

(numeric) INSTALL_RATE: 가처분 소득대비 할부금 이자율
(qualitative) PERSONAL_STATUS : 결혼상태

1: MALE_DIV, 2: MALE_SINGLE, 3: MALE_MAR_or_WID

● 가정이 안정적인지 아닌지에 따라 상환 능력 달라질 수 있다는 해석.

(qualitative) CO-APPLICANT: 공동 신청자, 0: 아니오, 1: 예
(qualitative) GUARANTOR: 보증인 유무, 0: 아니오, 1: 예
(qualitative) 현 주소지 거주기간: PRESENT_RESIDENT

0: 1년이하, 1: 1~2년 이하, 2: 2~3년 이하, 3: 4년 이상

● 자주 거주지 이전하는게 안정성이 있는지 없는지.

(qualitative) REAL_ESTATE: 부동산 보유, 0: 아니오, 1: 예

● 담보성의 측면

(qualitative) PROP_UNKN_NONE: 보유재산 유무, 0: 아니오, 1: 예
(numeric) AGE: 연령
(qualitative) OTHER_INSTALL: 타할부거래 유무, 0: 아니오, 1: 예
(qualitative) RENT: 임대주택 유무, 0: 아니오, 1: 예
(qualitative) OWN_RES: 주택 유무, 0: 아니오, 1: 예
(numeric) NUM_CREDITS: 현재 대출건수
(qualitative) JOB: 직종

0:무직/비숙련직 비정규직, 1: 비숙련 정규직,
2: 숙련직/작업감독, 3: 관리직/자영업자/전문직, 책임자

(numeric) NUM_DEPENDENTS: 부양가족수
(qualitative) TELEPHONE: 전화가입 유무, 0: 아니오, 1: 예

● 이 당시에는 전화가입 유무도 개인의 경제력을 평가할 수 있는 지표이기도 했다.

● 요즘에는 회원권 여부, 문화센터나 스포츠 센터를 다니고 있는지로 대체해서 볼 수 있다.

(qualitative) FOREIGN: 외국인 근로자 여부, 0: 아니오, 1: 예
(qualitative) RESULT: 우량신용도 여부, 0: 아니오, 1: 예

—————코딩——————————————————————————————————

1. 가상 데이터셋 만들기

(1) 가상 데이터셋 만들기1

(2) 변수컬럼 1개를 이용한 예측변수 행렬 생성: stats::model.matrix()

(3) 변수컬럼 1개를 이용한 예측변수 행렬 생성: model.matrix()

(4) 모든 예측변수 투입해 예측변수 행렬 생성: model.matrix() / usefull::build.x()

(5) 가상 데이터셋 만들기2

2. 데이터 로딩 & 정제 & 탐색

(1) 데이터 생성 및 변수컬럼명 소문자로 변경

(2) 범주형 변수컬럼에 대한 팩터형 작업

(3) 연속형 변수컬럼에 대한 스케일링 작업

(4) 변수컬럼별 객체타입확인

(5) 데이터 분할

(6) 분류규칙에 가장 영향을 많이 미치는 변수 탐색

3. 로지스틱 회귀분석을 이용한 분류

(1) 로지스틱회귀 모델 피팅: stats::glm() / summary()

(2) 로지스틱분석에 사용한 투입변수 중요도 계산: caret::varImp()

(3) 단계별 투입모형: step()

(4) 도출된 로지스틱 분류모델의 훈련데이터에 대한 우량/불량 확률계산

(5) 로지스틱 분류모델의 훈련데이터 분류값과 실제 분류값 교차비교

(6) 로지스틱 분류모델의 훈련데이터에 대한 분류결과 정확성(Accuracy) 평가

(7) 도출된 로지스틱 분류모델의 검증데이터에 대한 우량/불량 확률계산

(8) 로지스틱 분류모델의 학습데이터와 검증데이터 분류정확성 비교

(9) 로지스틱모델의 성능 종합평가: 혼동표

(10) 로지스틱모델의 성능 종합평가: ROC curve 그래프

4. 고전적 의사결정나무를 이용한 분류

(1) 의사결정나무 모델 피팅: rpart::rpart()

(2) 의사결정나무의 분류모델 도출결과 확인

(3) 의사결정나무 분석에 사용한 투입변수 중요도 계산

(4) 의사결정나무의 가지치기(prunning): 복잡성 파라미터 확인 -> 나무가지치기

(5) 훈련데이터 성과변수 비교

(6) 의사결정나무 훈련데이터 정확성 평가

(7) 의사결정나무 검증데이터 정확성 평가

(8) 의사결정나무 모델의 훈련데이터와 검증데이터 분류정확성 비교

(9) 의사결정나무 모델의 성능 종합평가: 혼동표

(10) 의사결정나무 모델의 성능 종합평가: ROC curve 그래프

5. 랜덤포레스트를 이용한 분류

(1) 랜덤포레스트 분석: randomForest::randomForest()

(2) 랜덤포레스트 모델 분석 결과 확인

(3) 랜덤포레스트 파라미터 튜닝

(4) 튜닝 후 랜덤포레스트 피팅

(5) 랜덤포레스트 규칙에 활용된 변수들의 상대적 중요성 분석

(6) 랜덤포레스트 훈련데이터 정확성 평가

(7) 랜덤포레스트 검증데이터 정확성 평가

(8) 랜덤포레스트 모델의 훈련데이터와 검증데이터 분류정확성 비교

(9) 랜덤포레스트 모델의 성능 종합평가: 혼동표

(10) 랜덤포레스트 모델의 성능 종합평가: ROC curve 그래프

<참고 문헌="">

최점기 박사님 강의

머신러닝 23. 지도학습: 비선형모형 (랜덤 포레스트)