信用风险分析中，能否针对各客户公司识别影响其风险的关键指标？

需求背景 #

我正在开展信用风险分析工作，目标是预测各企业对某虚构公司的违约风险。已通过RandomForestClassifier模型得到全局特征重要性，但希望针对每个新客户企业，找出与其违约风险（Risk_1）直接关联的关键指标——比如客户公司X违约风险为70%，关联指标为City、Age、Number_Employe；客户公司Y违约风险为80%，关联指标为City、Service、Average_Salary。

当前分析流程：使用含20个编码指标、各千余条违约（Classification=1）/未违约（Classification=0）标注数据训练模型，对无标注新企业进行风险概率预测，已得到各新企业的Risk_0和Risk_1值，现需明确每个企业对应的、与Risk_1最相关的指标。

当前代码实现 #

# X base composed of encoded indicators
features = df_all_aux.columns.tolist() 
X = df_all_aux[features[:-1]] # all features except "Classification"

# y base composed of the target: 1 if debt, 0 if no debt
y = df_all_aux['Classification']

#Define the model
rf_classifier = RandomForestClassifier(n_estimators=100, random_state=42)

#Train the model using the training data
rf_classifier.fit(X, y)

#Predictions using the asset data
y_pred = rf_classifier.predict_proba(df_new_companies)

#Incorporating the data into the dataset
df_new_companies['Risk_0'] = y_pred[:, 0]  # Probability of being class 0
df_new_companies['Risk_1'] = y_pred[:, 1]  # Probability of being class 1

数据结构示例 #

df_all_aux（训练数据集）

df_new_companies（待预测数据集）

结构与df_all_aux一致，额外包含企业ID列。

具体实现方法 #

全局特征重要性反映的是特征在整个数据集的平均影响，要获取单个样本的关联指标，需要用模型可解释性工具，以下是两种直接可行的方案：

1. 使用SHAP值（推荐） #

SHAP可以量化每个特征对单个样本预测结果的贡献值，能精准定位影响该企业Risk_1的核心指标。

代码实现

import shap

# 初始化SHAP解释器（适配树模型）
explainer = shap.TreeExplainer(rf_classifier)
# 提取待预测数据的特征列（去掉无关列）
X_new = df_new_companies.drop(['Risk_0', 'Risk_1', '企业ID'], axis=1)
# 计算SHAP值
shap_values = explainer.shap_values(X_new)

# 提取对应违约类别（Risk_1，即类别1）的SHAP值
shap_values_class1 = shap_values[1]
feature_names = X_new.columns
top_n = 3  # 自定义要提取的关键指标数量

# 为每个企业生成Top N关键指标
for idx in range(len(df_new_companies)):
    # 按特征贡献的绝对值排序
    feature_contrib = sorted(zip(feature_names, shap_values_class1[idx]), 
                            key=lambda x: abs(x[1]), reverse=True)
    # 提取Top N指标名称
    top_features = [item[0] for item in feature_contrib[:top_n]]
    # 存入数据集
    df_new_companies.loc[idx, 'Top_Risk_Indicators'] = ', '.join(top_features)

2. 使用TreeInterpreter（轻量方案） #

TreeInterpreter可解析随机森林中每棵树的决策路径，计算单个特征对预测概率的直接贡献，适合快速验证场景。

代码实现

from treeinterpreter import treeinterpreter as ti

# 提取待预测数据的特征列
X_new = df_new_companies.drop(['Risk_0', 'Risk_1', '企业ID'], axis=1)
# 获取预测结果、基准值和特征贡献
prediction, bias, contributions = ti.predict(rf_classifier, X_new)

# 提取对应Risk_1的贡献值
contributions_class1 = contributions[:, :, 1]
feature_names = X_new.columns
top_n = 3

# 为每个企业生成Top N关键指标
for idx in range(len(df_new_companies)):
    feature_contrib = sorted(zip(feature_names, contributions_class1[idx]),
                            key=lambda x: abs(x[1]), reverse=True)
    top_features = [item[0] for item in feature_contrib[:top_n]]
    df_new_companies.loc[idx, 'Top_Risk_Indicators'] = ', '.join(top_features)

内容的提问来源于stack exchange，提问作者Heloisa Ramos