在信用风险分析中是否可以识别哪些指标影响每个客户公司的信用风险？

Question

我正在从事信用风险分析。我想预测每家公司与虚构公司产生债务的风险。我从模型中获得了特征重要性，但我想知道是否可以获得哪些指标影响每个客户公司发现的风险。

例如，客户公司X有70%的风险，这个风险与变量城市、年龄和员工数量相关。另一个客户公司 Y 可能有 80% 的风险，该风险与变量城市、服务和平均工资相关。

我正在按照以下步骤进行简单的初步分析，其中使用已产生债务的公司（分类1）和相同数量的其他未产生债务的公司（分类0）的20个指标来训练模型。模型拟合完毕，然后对新公司进行预测，无需分类。

# X base composed of encoded indicators
features = df_all_aux.columns.tolist() 
X = df_all_aux[features[:-1]] # all features except "Classification"

# y base composed of the target: 1 if debt, 0 if no debt
y = df_all_aux['Classification']

#Define the model
rf_classifier = RandomForestClassifier(n_estimators=100, random_state=42)

#Train the model using the training data
rf_classifier.fit(X, y)

#Predictions using the asset data
y_pred = rf_classifier.predict_proba(df_new_companies)

#Incorporating the data into the dataset
df_new_companies['Risk_0'] = y_pred[:, 0]  # Probability of being class 0
df_new_companies['Risk_1'] = y_pred[:, 1]  # Probability of being class 1
 

已编码的数据帧

df_all_aux

具有以下结构：

City    Age     Number_Employe    Service     Average_Salary     Classification ...

1       100              20000          3               2000                  1

2        85              15000          1               5200                  1

1       103              20100          1               5200                  1

4       100              19800          2               5000                  0

1       101              30000          2               3500                  0

3        92              18900          3               5100                  0
...      

over 1000 rows and 20 columns

df_new_companies

具有相同的结构，只不过它有一列包含公司 ID。

我已经有了风险百分比，现在我只想知道每个公司哪些指标与风险 1 最相关。

Answer 1

sorted(list(zip(rf_classifier.feature_names_in_, rf_classifier.feature_importances_)), key=lambda x: x[1], reverse=True)

解释一下：

rf_classifier 模型包含“feature_names_in_”和“feature_impartnaces_”属性。

zip 创建两个属性的 zip 对象。

list 将 zip 对象传输到元组列表。

使用 lambda 按“feature_importances_”作为键排序