53 lines
3.5 KiB
Markdown
53 lines
3.5 KiB
Markdown
# Projet 04 : Construction d’un Modèle de Scoring Crédit
|
||
|
||
## Contexte du projet
|
||
Dans le cadre de cette mission, nous avons développé un **modèle de scoring crédit** pour la société "Prêt à dépenser", qui souhaite évaluer la probabilité qu’un client rembourse son prêt.
|
||
L’objectif est de fournir un outil **interprétable**, permettant aux chargés de relation client de comprendre les facteurs influençant chaque décision et de classer les demandes de crédit (accordé ou refusé).
|
||
|
||
Les aspects clés de la mission sont :
|
||
- Gestion des classes déséquilibrées et prise en compte du coût métier des erreurs (faux positifs et faux négatifs).
|
||
- Création d’un score métier optimisé pour minimiser les pertes financières.
|
||
- Interprétabilité globale et locale des modèles via SHAP et LIME.
|
||
|
||
## Contenu du projet
|
||
|
||
- **Notebook 1 : Analyse Exploratoire des Données (EDA)**
|
||
- Chargement et exploration des fichiers CSV (train et test, bureau, previous_application, credit_card_balance, installments_payments, POS_CASH_balance).
|
||
- Analyse des valeurs manquantes et atypiques.
|
||
- Étude des corrélations entre les variables et la cible.
|
||
- Fusion et enrichissement des données par agrégation d’informations provenant de sources multiples.
|
||
- Création de nouvelles caractéristiques (feature engineering) basées sur des ratios métiers.
|
||
- Pré-traitement des données : encodage, imputation, normalisation.
|
||
- Préparation des données pour des modèles tolérant les valeurs manquantes (ex : LightGBM).
|
||
|
||
- **Notebook 2 : Modélisation et Interprétation**
|
||
- Évaluation de modèles de base : régression logistique et Random Forest.
|
||
- Entraînement de modèles avancés : XGBoost, LightGBM et CatBoost avec gestion du déséquilibre des classes.
|
||
- Optimisation des hyperparamètres avec GridSearchCV.
|
||
- Détermination du **seuil optimal** pour minimiser le coût métier combinant faux positifs et faux négatifs.
|
||
- Interprétation globale : analyse de l’importance des variables avec **SHAP**.
|
||
- Interprétation locale : explication des prédictions pour des clients individuels avec **LIME**.
|
||
- Option de simplification du modèle en réduisant le nombre de variables tout en conservant l’AUC.
|
||
|
||
- **Rapports et Présentation**
|
||
- `explanation_global.html` et `explanation_local.html` : rapports générés pour l’interprétation globale et locale.
|
||
- `soutenance_projet4_presentation.pdf` : support de présentation pour la soutenance.
|
||
|
||
## Fichiers volumineux
|
||
Les fichiers bruts issus du concours Kaggle ne sont pas inclus pour des raisons de taille. Ils peuvent être téléchargés ici :
|
||
[Home Credit Default Risk – Kaggle](https://www.kaggle.com/competitions/home-credit-default-risk/data)
|
||
|
||
## Résultat attendu
|
||
- Dataset prétraité, enrichi et prêt pour la modélisation.
|
||
- Modèles robustes de scoring crédit, optimisés selon un **score métier**.
|
||
- Visualisations et rapports expliquant :
|
||
- L’importance globale des variables.
|
||
- Les raisons des décisions pour chaque client individuel.
|
||
- Présentation synthétique pour les utilisateurs finaux mettant en avant :
|
||
- Méthodologie de nettoyage et d’enrichissement.
|
||
- Comparaison des modèles.
|
||
- Interprétabilité globale et locale.
|
||
- Recommandations métier basées sur les résultats.
|
||
|
||
## Notes
|
||
Ce projet illustre la démarche complète de **data science appliquée au scoring crédit** : préparation des données, création de nouvelles variables, modélisation supervisée, optimisation et interprétation métier.
|