该示例使用XGBoost算法对贷款申请人的信用风险进行分类，并通过SHAP值解释预测逻辑：

python

import pandas as pd
import numpy as np
from sklearn.model_selection import train_test_split
from sklearn.preprocessing import StandardScaler, OneHotEncoder
from sklearn.compose import ColumnTransformer
from sklearn.pipeline import Pipeline
from xgboost import XGBClassifier
import shap# 1. 加载示例数据（需替换为真实数据集）
data = pd.read_csv("loan_applications.csv")
# 数据包含字段：age, income, credit_score, employment_status, loan_amount, default# 2. 数据预处理
# 处理缺失值
data.fillna({'income': data['income'].median()}, inplace=True)# 特征工程
categorical_features = ['employment_status']  # 类别型特征
numerical_features = ['age', 'income', 'credit_score', 'loan_amount']# 创建预处理管道
preprocessor = ColumnTransformer(transformers=[('num', StandardScaler(), numerical_features),('cat', OneHotEncoder(handle_unknown='ignore'), categorical_features)])# 划分训练集和测试集
X = data.drop('default', axis=1)
y = data['default']
X_train, X_test, y_train, y_test = train_test_split(X, y, test_size=0.2, random_state=42)# 3. 训练XGBoost模型
model = XGBClassifier(objective='binary:logistic',n_estimators=100,learning_rate=0.1,max_depth=3,random_state=42
)# 创建完整管道
pipeline = Pipeline(steps=[('preprocessor', preprocessor),('classifier', model)
])pipeline.fit(X_train, y_train)# 4. 模型评估
from sklearn.metrics import classification_report
y_pred = pipeline.predict(X_test)
print(classification_report(y_test, y_pred))# 5. SHAP值解释（可视化信用风险决策逻辑）
explainer = shap.TreeExplainer(pipeline.named_steps['classifier'])
shap_values = explainer.shap_values(pipeline.transform(X_test))# 可视化单个样本的解释
sample_index = 0
shap.summary_plot(shap_values, pipeline.transform(X_test), feature_names=X.columns)

---

​代码功能说明

1. ​数据处理：

   • 处理缺失值（中位数填充收入缺失）
   • 对数值特征标准化（StandardScaler）
   • 对类别特征独热编码（OneHotEncoder）

2. ​模型训练：

   • 使用XGBoost分类器，通过二分类逻辑回归目标函数（binary:logistic）
   • 设置早停机制（early_stopping_rounds可优化）

3. ​模型评估：

   • 输出分类报告（准确率、召回率、F1值）
   • 召回率特别重要，因为银行更关注避免漏判高风险客户

4. ​风险解释：

   • 使用SHAP值分析特征重要性
   • 生成交互式可视化图表（需安装shap.summary_plot）

---

​扩展优化方向

​1. 处理非平衡数据

python

# 在XGBoost中直接设置类别权重
model = XGBClassifier(class_weight='balanced', ...)# 或使用SMOTE进行过采样
from imblearn.over_sampling import SMOTE
smote = SMOTE(random_state=42)
X_train_res, y_train_res = smote.fit_resample(preprocessor.transform(X_train), y_train)

​2. 时序特征工程（适用于信用卡风险预测）​

python

# 添加滚动统计特征
data['rolling_3m_avg_income'] = data['income'].rolling(window=3, min_periods=1).mean()
data['rolling_6m_default_rate'] = data['default'].rolling(window=6, min_periods=1).mean()

​3. 部署实时风控API

python

from flask import Flask, request
import joblibapp = Flask(__name__)
model = joblib.load('credit_risk_model.pkl')@app.route('/predict', methods=['POST'])
def predict():data = request.jsonpreprocessed_data = preprocessor.transform(data)probability = model.predict_proba(preprocessed_data)[:, 1]return {"default_probability": round(probability[0]*100, 2), "risk_level": "high" if probability[0] > 0.5 else "low"}if __name__ == "__main__":app.run(debug=True)

---

​实际部署注意事项

1. ​数据安全：

   • 使用加密传输（TLS 1.3）
   • 敏感字段（如收入、信用评分）在传输前脱敏

2. ​性能优化：

   • 使用LightGBM替代XGBoost提升训练速度
   • 部署模型到GPU服务器加速推理（如NVIDIA Tesla V100）

3. ​合规性要求：

   • 确保模型符合《商业银行信用风险内部评级指引》
   • 记录模型决策逻辑以满足可解释性监管要求

该示例展示了从数据预处理到模型部署的完整信用风险评估流程，实际银行系统需结合具体业务规则和监管要求进行调整。建议在部署前完成：

1. ​模型验证​（使用历史数据回测）
2. ​压力测试​（模拟极端市场条件）
3. ​合规审计​（检查算法歧视风险）