mllab/alfa_ct

Alfa Card Transactions是一个独特的高质量数据集，收集自Alfa Bank客户交易的真实数据，用于预测违约任务。它包含交易历史、信用产品ID和相应的违约标志。数据集结构包括应用ID、交易数组、产品ID和违约标志。每个交易由20维数组表示，包含交易金额、货币、交易类型、卡类型等特征。

原始信息汇总

数据集概述

Alfa Card Transactions 是一个从 Alfa Bank 客户交易的真实数据源收集的独特高质量数据集，用于预测违约的任务。它包含交易历史、信用产品ID以及相应的违约标志。

支持的任务和排行榜

该数据集旨在用于训练模型，以完成经典的银行任务，即预测申请人是否会违约。

数据集结构

数据实例

以下是单个样本的示例： json { app_id: 10, transactions: [ [10.0, 0.0, 1.0, 6.0, 54.0, 22.0, 3.0, 1.0, 2.0, 2.0, 2.0, 1.0, 66.0, 2.0, 2.0, 0.0, 351.0, 50.0,-1.0, 1.0], [10.0, 0.3876771200456198, 1.0, 2.0, 54.0, 8.0, 1.0, 1.0, 2.0, 1.0, 2.0, 1.0, 66.0, 2.0, 2.0, 21.0, 351.0, 50.0, 21.0, 2.0] ], product: 1, flag: 0 }

数据字段

• app_id: 申请ID。
• history: 交易数组，每个交易表示为一个20维数组，每个元素表示以下列表中的相应特征：
  • app_id: 申请ID。
  • amnt: 标准化交易金额。0.0 对应于遗漏。
  • currency: 交易货币ID。
  • operation_kind: 交易类型ID。
  • card_type: 卡类型的唯一标识符。
  • operation_type: 塑料卡交易类型的ID。
  • operation_type_group: 卡交易组的ID，例如借记卡或信用卡。
  • ecommerce_flag: 电子商务特征。
  • payment_system: 支付系统类型的ID。
  • income_flag: 卡扣款/存款特征。
  • mcc: 出口类型的唯一标识符。
  • country: 交易国家ID。
  • city: 交易城市ID。
  • mcc_category: 交易商店类别的ID。
  • day_of_week: 交易发生的星期几。
  • hour: 交易发生的小时。
  • days_before: 贷款发放日期前的天数。
  • weekofyear: 交易发生的年份中的周数。
  • hour_diff: 该客户上次交易以来的小时数。
  • transaction_number: 客户的交易序列号。
• product: 需要决定申请人是否会违约的产品ID。
• flag: 目标，1 - 违约的事实。

搜集汇总

背景与挑战

背景概述

该数据集是Alfa Bank提供的客户交易数据，主要用于训练预测客户违约的模型，包含13万条交易记录和20维交易特征，数据格式为parquet。