新手分
78/100
适合已有 Python 深度学习基础、愿意使用 PaddlePaddle 2.0+ 处理结构化信贷数据的个人参赛者。参赛者应能理解贷款金额、利率、还款、信用记录等字段，并完成贷款违约的二分类预测。
以下内容来自比赛官方页面。
Loan-default training and test CSV datasets
如果下面这些前置项还很陌生，先补准备通常比直接参赛更划算。
能够读懂官方赛题与参赛规则
结构化表格数据处理
贷款风控特征工程
二分类预测模型
AUC 优化
CSV 提交文件生成
真正的难点通常不是“会不会调包”，而是验证、时间分配和任务理解。
核心难点是从两类贷款记录中大量数值、类别、日期、文本及匿名特征提取有效信号，并针对 AUC 优化违约预测。除预测文件外，还必须提交用 PaddlePaddle 训练的端到端模型对应的原始代码，且每天评测提交受限。
以下竞赛与当前竞赛方向或难度相近，可以一起对比。
把已确认、待核对和人工审核状态分开看；最终规则与截止时间以官方页为准，发现错误欢迎提交纠错。
官方 metric 还没有从当前抓取结果中确认，仍需人工核对。