Оценка вероятности банкротства физлица
Укажите ID клиента из датасета или загрузите CSV с признаками. Модель вернёт вероятность, уровень риска и объяснит, почему принято такое решение.
ID из TRAIN.csv или TEST.csv. Примеры:
Перетащите файл сюда или нажмите «Выбрать».
Формат: столбцы feature_0 … feature_1366 и необязательный text, либо только столбец index.
Шаблоны: 5 клиентов с признаками · список ID
Результаты пакетной обработки
| # | ID | Вероятность | Индекс риска | Уровень | Главная причина |
|---|
Нажмите на строку, чтобы открыть подробное объяснение.
Вероятность банкротства
- Вероятность
- Относительно среднего
- Рискованнее, чем
- Фактический исход
Почему принято такое решение
Вклад групп факторов
Слова-маркеры из интернет-активности
Вклад признаков в решение (SHAP)
повышает риск снижает рискДлина полосы — вклад признака в логарифм шансов банкротства для этого клиента. Для анкетных признаков указано, какой доле клиентов значение уступает.
Похожие клиенты по профилю
| ID | Расстояние | Исход |
|---|
Похожие клиенты по интернет-активности
| ID | Сходство | Исход |
|---|
О модели
Итоговый ответ по ID даёт ансамбль: модели градиентного бустинга (LightGBM, CatBoost) и линейные модели по текстам объединены стекингом. Сверху добавлены признаки «похожих клиентов»: по анкетному профилю и по истории интернет-активности ищутся почти совпадающие клиенты, и учитывается их исход.
Для новых клиентов из CSV-файла сервис сам выполняет всю предобработку: нормализацию, TF-IDF и поиск похожих клиентов. Каждое решение объясняется через SHAP. Вероятности откалиброваны изотонической регрессией по out-of-fold предсказаниям.