本站原创文章,转载请说明来自《老饼讲解-机器学习》www.bbbdata.com
本文总结评分卡转评分在实际应用中需要使用到的公式和转换流程。
本节展示分数公式的三种常用形式
1、offset-factor形式的计算公式
目标:转换成以下形式:
也就是需要求解offset和factor
factor和offset并不是直接拍脑袋确定,
它由四个间接参数确定:
B,d: odds为d时,评分为B
S,k: odds每降低 k倍时,分数提升S分
其中,odds= ,即是坏客户的概率与是好客户的概率的比值。
确定上述B、d、S、k后,
由以下公式可算得factor和offset
2、Base+Factor形式计算公式(依赖factor)
目标:转换成以下形式:
也就是需要求解基础分和每一项x的分
将offset-factor形式的 代入公式
整理后可得到Score的计算公式为:
其中
B,d,k,S代表:
B,d: odds为d时,评分为B
S,k: odds每降低 k倍时,分数提升S分
odds: ,即是坏客户的概率与是好客户的概率的比值
也即:
3、 Base+Factor形式计算公式(一步到位)
目标与2一样:转换成以下形式:
但希望一步到位,不带factor
将factor代入2中的公式,消去factor,
可得到Score的计算公式为:
其中B,d,k,S代表:
B,d: odds为d时,评分为B
S,k: odds每降低 k倍时,分数提升S分
odds: ,即是坏客户的概率与是好客户的概率的比值
特别说明
如果建模变量X转换过woe,
则WX+b中的X指代的是woe值,而非原始的X哦,
即"WX+b"改为"W*woe+b"
下面给出清晰的、实际的具体计算流程
应用思路
实际应用中,并不是按照分数公式,计算得分,
而是预先计算好Base分和每个特征不同取值时的得分表,
最后,通过查表得到各个特征得分,
把各个特征得分求和再加上 Base分,就是该客户的评分。
分值表计算流程
1.设置好B,d,k,S
B,d: odds为d时,评分为B
S,k: odds每降低 k倍时,分数提升S分
2.计算factor
3. 计算BaseScore和FetureScore
总得分即为,BaseScore加上每个特征的得分FetureScore
B,d,k,S常用设置
B,d,k,S一般设为 B=600,d = 50,S=20,k = 2
也即:
(1) odds每降低2倍(例如从50:1提升到25:1),分数提升20分。
(2) 当 odds=50:1时,分数是600分。
代入上式 ,即有
End