{ "fetched_at": "2026-10-19T20:12:47Z", "source_url": "https://www.kaggle.com/competitions/findata-creditscoring/data", "pages": [ { "name": "rules", "content": "\r\n\t\r\n

One account per participant

\r\n

You cannot sign up to Kaggle from multiple accounts and therefore you cannot submit from multiple accounts.

\r\n

No private sharing outside teams

\r\n

\r\n Privately sharing code or data outside of teams is not permitted.\r\n It's okay to share code if made available to all participants on the forums.\r\n

\r\n

Team Mergers

\r\n

Team mergers are not allowed in this competition.

\r\n\r\n

Team Limits

\r\n

There is no maximum team size.

\r\n

Submission Limits

\r\n

You may submit a maximum of 2 entries per day.

\r\n

You may select up to 2 final submissions for judging.

\r\n

Competition Timeline

\r\n

Start Date: TBA

\r\n

Merger Deadline: None

\r\n

Entry Deadline: None

\r\n

End Date: 2/1/2014 12:00 AM UTC

\r\n\t\r\n

The rules page is a bit special: it will auto-update the text based on the parameters of the competition. The rules you need to add here are any additional rules relating to dataset usage. You may also put grading information here.

", "isPublished": false, "hasIsPublished": false, "postTitle": "", "hasPostTitle": false, "mimeType": "", "hasMimeType": false }, { "name": "data-description", "content": "

Файлы

\n\n

Описание полей

\n", "isPublished": false, "hasIsPublished": false, "postTitle": "", "hasPostTitle": false, "mimeType": "", "hasMimeType": false }, { "name": "Description", "content": "

Участники соревнования строят модели кредитного скоринга. Речь идет о том, что когда клиент обращается в банк с заявлением о предоставлении кредита, банк принимает решение о выдаче кредита или об отказе в предоставлении кредита с использованием статистических моделей на основании информации о тех клиентах, которые уже брали кредит (кто-то из них выполнил свои обязательства по кредитному договору, а кто-то не выполнил). На вероятность возврата кредита может влиять много факторов, причем сложным образом, и для прогнозирования результатов по каждому отдельному случаю участникам соревнования необходимо построить модель машинного обучения, которая на основании данных из заявления о выдаче кредита предсказывает, вернет ли заемщик этот кредит.

\n

Набор данных сredit_train.csv, который предоставляется участникам соревнования, содержит ряд особенностей, включая пропущенные значения, дублирующиеся строки, выбросы и т. п. При построении модели машинного обучения целесообразно попробовать создать новые синтетические факторные признаки, являющиеся функциями от исходных факторов, преобразовать типы данных исходных факторов и т. п.

\n

Исходный полный набор данных о кредитах разделен на три набора:

\n

набор данных сredit_train.csv, предназначенный для обучения модели, включающий 100000 записей о кредитах, относительно каждого из которых известно значение признака \"Loan Status\" - \"Fully Paid\" (погашен полностью) или \"Charged Off\" (не погашен);
публичный тестовый набор данных, содержащий 5000 записей о кредитах (участникам соревнования недоступна информация о значении признака \"Loan Status\");
закрытый тестовый набор данных, содержащий 5000 записей о кредитах; вычисление (участникам соревнования недоступна информация о значении признака \"Loan Status\").
Участник соревнования должен загрузить на платформу чемпионата файл с прогнозами по 10000 кредитам, данные по которым представлены в файле credit_test.csv, половина из этих кредитов относится к публичному тестовому набору данных, другая половина - к закрытому тестовому набору данных.

\n

Итоговый результат представляется в виде файла в формате csv, содержащем два столбца: \"Loan ID\" и \"Loan Status\":

\n
Loan ID, Loan Status
b877467a-daca-270c-9c7c-562y8ra7d04f, Fully Paid
1234a5r2-12e0-241f-9see-456dcbdff0c2, Charged Off
...
\n

Пример результатов представлен в файле credit__sample.csv.

\n

Участники не могут образовывать команды. Каждый участник может подать несколько результатов, но не более 10 в день. В итоговом рейтинге будет учитываться наилучшая модель.

\n

Соревнование проводится на платформе kaggle, для участия необходимо зарегистрироваться на этой платформе по ссылке https://kaggle.com/account/register. При этом необходимо использовать свое настоящее имя. После этого можно ознакомиться с подробными правилами соревнования и загрузить исходные данные по адресу https://www.kaggle.com/c/findata-creditscoring.

\n

Сразу после загрузки будет автоматически рассчитываться доля правильных ответов (Accuracy) и рейтинг участников на основании публичного тестового набора данных.

\n

Результаты будут автоматически пересчитываться по адресу https://www.kaggle.com/c/findata-creditscoring/submit до 23:59 31 декабря 2038 года.

\n

Желаем успеха!

", "isPublished": false, "hasIsPublished": false, "postTitle": "", "hasPostTitle": false, "mimeType": "", "hasMimeType": false }, { "name": "Evaluation", "content": "

Мерой точности является доля правильных ответов

\n

\\[
Accuracy = \\frac{TP+TN}{TP+FP+TN+FN}
\\]

\n

Для получения зачета необходимо получить долю правильных ответов, не меньшую чем 0.7.

", "isPublished": false, "hasIsPublished": false, "postTitle": "", "hasPostTitle": false, "mimeType": "", "hasMimeType": false } ] }