信用卡违约风险预测：从机器学习模型到业务决策的完整实践

本项目构建了端到端的信用卡违约风险评分系统，涵盖数据探索、特征工程、模型训练、阈值优化、风险分层及可解释性等全流程，重点将模型输出转化为可操作的业务决策，接近真实金融风控场景，为相关从业者提供参考。

在金融风控中，识别违约客户是核心任务。本项目目标是将模型概率转化为信用评分、风险分层等业务输出。采用"Default of Credit Card Clients"数据集，含人口统计、信用额度、还款历史等信息，目标为二元分类（0未违约/1违约）。因数据集类别不平衡，评估重点为召回率、精确率、F1、ROC-AUC等业务相关指标。

特征工程：清洗分类变量（整合稀有类别），构建衍生特征（账单/付款指标、信用利用率、还款行为指标）。模型训练：对比逻辑回归、随机森林、XGBoost、LightGBM、CatBoost；尝试SMOTETomek处理不平衡（实验性）；用VIF分析共线性（树模型更耐受）；Boruta特征选择识别关键变量（还款行为为主）。

阈值调优：对比F1最优、成本敏感、保守/平衡策略，适应不同业务目标。风险分层：将模型概率分为5等级，测试集结果显示观察违约率随等级单调递增：极低（4.3%）、低（10.6%）、中（18.5%）、高（28.8%）、极高（61.8%），证明模型区分能力。

可解释性：用SHAP方法解释预测，满足监管与审计需求。最终模型：选择CatBoost+Boruta特征选择，测试集性能：准确率0.785、精确率0.513、召回率0.569、F1 0.539、ROC-AUC 0.780，决策阈值0.57，能识别近六成实际违约客户。

业务策略：三种典型策略：保守（0.37阈值，多检测风险）、平衡（0.57，精确率召回率平衡）、严格（>0.70，仅标记高风险）；建议人工审核队列（高风险复核、中等验证、低风险标准流程）。技术栈：Python生态（pandas、scikit-learn、CatBoost、SHAP等），推荐Python3.10与虚拟环境。

本项目为原型，不可直接用于生产，需额外验证、监控、治理、公平性分析与监管审查。后续建议：跨时间验证、模型监控与校准、监管审查、可解释性审查、数据漂移监控、生产部署控制。

本项目展示了完整的信用风险机器学习工作流，结合预测建模、可解释性、阈值优化与风险分层，是面向银行业务场景的实践案例，为风控分析师、数据科学家等提供有价值参考。