应用一个业务概念，所谓贷款等级指贷款申请前风险模型评分。那么只要模型还靠谱，其结果就有一定区分度。
于是我们使用变量：
subGrade,贷款等级之子级
并在训练集上获取坏账率
isDefault req yp
34 G5 0.451163
33 G4 0.478029
32 G3 0.480573
29 F5 0.517007
31 G2 0.519090
28 F4 0.522560
30 G1 0.533826
27 F3 0.543193
26 F2 0.544009
25 F1 0.573502
24 E5 0.580839
23 E4 0.597757
22 E3 0.612540
21 E2 0.623097
20 E1 0.644767
19 D5 0.665265
18 D4 0.677137
17 D3 0.695985
16 D2 0.702428
15 D1 0.722018
14 C5 0.738451
13 C4 0.749887
12 C3 0.775424
11 C2 0.793108
10 C1 0.808640
9 B5 0.834351
8 B4 0.851361
7 B3 0.870761
6 B2 0.887738
5 B1 0.897079
4 A5 0.914601
3 A4 0.932779
2 A3 0.944118
1 A2 0.954303
0 A1 0.968081
套用之。
以下代码：
#
import numpy as np
import pandas as pd
dt = "/Users/ivan/Desktop/ALL/Data/TestRisk"
dtrai = pd.read_csv(f"{dt}/train.csv")
dtest = pd.read_csv(f"{dt}/testA.csv")
dtrai["req"] = dtrai.subGrade
dtest["req"] = dtest.subGrade
print(pd.value_counts(dtrai.isDefault))
_ = pd.crosstab(dtrai.req, dtrai.isDefault)
_["yp"] = _[0]/(_[0]+_[1])
_.reset_index(inplace=True)
_.sort_values(by="yp", inplace=True)
print(_[["req", "yp"]])
_r = pd.merge(dtest[["id", "req"]], _[["req", "yp"]], on="req", how="left")
_r["isDefault"] = [round(_,6) for _ in _r["yp"]]
_r.sort_values(by="id", inplace=True)
_r[["id", "isDefault"]].to_csv(f"{dt}/outs/submit.csv", index=None)
print(_r[["id", "isDefault"]].head())