您正在使用IE低版浏览器,为了您的雷锋网账号安全和更好的产品体验,强烈建议使用更快更安全的浏览器
体彩四川金7乐走势图 人工智能 正文
发私信给雷锋字幕组
发送

0

体彩7星彩开奖结果: 用机器学习做信用评分

本文作者:雷锋字幕组 2019-04-11 10:09
导语:信用评分是衡量人们信用的数字表示。

体彩四川金7乐走势图 www.kv7ue.cn 用机器学习做信用评分

本文为 AI 研习社编译的技术博客,原标题 :

Credit Scoring with Machine Learning

作者 | Hongri Jia

翻译 | 胡瑛皓         

校对 | 酱番梨        审核 | 约翰逊·李加薪       整理 | 立鱼王

原文链接:

https://medium.com/henry-jia/how-to-score-your-credit-1c08dd73e2ed


信用评分是衡量人们信用的数字表示。银行业通常用它作为支持信贷申请决策的方法。本文讲述如何用Python(Pandas、Sklearn)开发标准评分卡模型,它已成为一种最受欢迎且最简单的衡量客户信用的形式。

用机器学习做信用评分

   项目动机

如今信用对每个人来说都非常重要,因为它是衡量一个人是否可靠的一种指标。很多时候服务提供商在提供服务前会先评估客户的信用记录,然后决定是否提供服务??墒巧蠛烁鋈俗柿喜⑹止ど尚庞帽ǜ媸欠浅:氖钡?。信用评分节省时间而且容易解读,所以就被开发出来服务这些目的。

产生信用分的过程称为信用评分,它被广泛应用于许多行业特别是银行业。银行通常用信用分决定谁应该授信、授信额度是多少、使用什么样的操作策略去避免信用风险。总体来说主要是两部分:

  • 建立统计模型

  • 应用统计模型为信用申请或现有信用帐户打分

本文会介绍最受欢迎的信用评分方法,我们称为评分卡模型。有两个原因使其成为主流的方法。首先,评分卡模型很容易跟没有相关背景和经验的人(诸如客户)解释说明。其次,评分卡模型的开发过程很标准且被广泛接受,这意味着公司不需要投入太多研发经费。以下是评分卡的样例,后面会讲到如何使用。

用机器学习做信用评分

图1 评分卡样例

   数据探索和特征工程

接下来将详细说明如何开发评分卡模型。我用的数据集来自Kaggle竞赛。 图2列出该数据集的数据字典信息。其中第一个变量是目标变量,二元分类变量,其余变量是特征。

用机器学习做信用评分

图2 数据字典

浏览完数据后,开始用一些特征工程的方法处理一下数据。首先检查每个特征变量是否包含缺失值,然后用中位数估算补齐。

用机器学习做信用评分

接下来处理异常值。总体来说,需要根据异常的类型进行处理。例如 如果异常值是由机械错误或测量导致的,可以用缺失值的方法进行处理。在这个数据集中有很大的数值,不过这些值看起来都很合理,所以取top/bottom coding。图3中表明当采用top coding后,数据分布看起来更接近于正态。

用机器学习做信用评分

图3 用Top coding处理异常值

如图1中样例评分卡所示,很显然每个特征已被分组为不同的属性(或属性组),分组原因如下:

  • 有助于洞察特征的关联属性及性能

  • 在非线性依赖特征应用线性模型

  • 深入了解风险预测器的行为,有助于制定更好的组合管理策略

那么我们可以采用分桶法,处理后每个值被赋予它所应在的一个属性,这样一来数值特征便被转化为分类特征。以下是分桶后的输出样例。

用机器学习做信用评分

图4 分桶处理“年龄”

所有特征分组后,特征工程就完成了。接下来是计算每个属性的证据权重(WoE)以及每个特点(特征)的信息价值。之前提到将所有数值类型都分桶处理后转换为分类型特征。然而不能直接用这些分类模型去拟合模型,所以需要给这些分类特征赋予一些数值。计算证据权重(WoE)的目的是为每个分类变量分配一个唯一值。信息价值(IV)用来衡量特征的预测力,将被用于特征选择。下面给出WoE和IV的公式。这里“Good”意思是客户不会有严重逾期或者目标变量=0,而“Bad”客户会产生逾期目标变量=1.

用机器学习做信用评分

通常特征分析报告可提供WoE和IV。我在Python中定义了一个函数自动生成这个报告。以“Age”特征为例,其特征分析报告如图5所示

用机器学习做信用评分

图5 “Age”特征分析报告

绘制一张柱状图,方便比较各种特征的IV。从柱状图中可以看到最后两个特征“NumberOfOpenCreditLinesAndLoans”和 “NumberRealEstateLoansOrLines”的IV值较小,因而只选用其他8个特征训练模型。

用机器学习做信用评分

图6 特征预测力

   模型拟合及评分卡得分系数计算

特征选取完成后,用WoE替换原有变量的值进行建模。训练模型的数据已经准备好了。评分卡模型开发通常使用的模型是逻辑回归,它是一个通用的二分类模型。我通过交叉验证和网格搜索调整参数,然后用测试数据集检查模型的精度。 由于Kaggle不会给出目标变量的值,我不得不在线提交以获得精度。为了证明这些数据处理是有效的,我分别用原始数据和处理后的数据进行建模。Kaggle给出的结果,经过数据处理精度从0.693956提升至0.800946。雷锋网雷锋网雷锋网(公众号:雷锋网)

最后一步是为每个属性计算评分卡得分系数,这样就得到了最终的评分卡。评分卡模型的得分可以通过以下式子计算得到:

Score = (β×WoE+ α/n)×Factor + Offset/n

此处:
β?—含?给定属性的逻辑回归模型的系数

α?—逻辑回归模型的截距? 
WoE?—?给定属性的证据权重

n?—模型特征数量
Factor, Offset?—?缩放参数

前四个参数的计算方法在前面已经提到过,这里给出最后两个参数factor和offset的计算方法。

  • Factor = pdo/Ln(2)

  • Offset = Score?—?(Factor × ln(Odds))

这里pdo意思是加倍odds需要的点数,坏样本率在之前的特征分析报告中已计算过了。如果评分卡模型的基础odds是50:1,其得分为600,那么pdo=20 ,也就是说每增加20点odds翻一倍,具体来说factor和offset公式如下:
Factor = 20/Ln(2) = 28.85
Offset = 600- 28.85 × Ln (50) = 487.14

算完这些之后,评分卡开发就完成了,图7中列出了评分卡的部分结果。

用机器学习做信用评分

图7 最终评分卡 部分特征

如果来了一个新客户,你可以立刻查表找出特征对应的得分,然后评分卡最终的得分是每个特征得分值之和。比如说,银行开发了一位新的信用卡申请人,年龄45岁、负债率0.5、月收入5000美元。其信用评分为 53 + 55 + 57 = 165。

如需要开发更精准的评分卡,开发人员需要考虑更多场景。例如有些个人属于“Bad”,然而申请却通过了?;蛘咭恍└鋈耸粲凇癎ood”,但申请被拒绝。因此拒绝推断需要结合到开发过程中。这里并未实现,因为在我的数据集中缺少拒绝数据。如果你想更深入了解这部分,推荐你阅读Naeem Siddiqi写的 《Credit Risk Scorecards?—?Developing and Implementing Intelligent Credit Scoring》。

想要继续查看该篇文章相关链接和参考文献?

点击用机器学习做信用评分即可访问:

https://ai.yanxishe.com/page/TextTranslation/1626

机器学习大礼包

限时免费\18本经典书籍/Stanford经典教材+论文

点击链接即可获?。?/span>https://ai.yanxishe.com/page/resourceDetail/574


雷锋网原创文章,未经授权禁止转载。详情见转载须知。

分享:
相关文章

文章点评:

表情
最新文章
请填写申请人资料
姓名
电话
邮箱
微信号
作品链接
个人简介
为了您的账户安全,请验证邮箱
您的邮箱还未验证,完成可获20积分哟!
请验证您的邮箱
立即验证
完善账号信息
您的账号已经绑定,现在您可以设置密码以方便用邮箱登录
体彩四川金7乐走势图 以后再说
  • 以新的更大作为发挥广东两个重要窗口作用 2019-04-17
  • 中美贸易战是一场没有硝烟的角力。中国若不应战,美国会变本加厉,其在中国的头上拉屎。依我看,中美贸易战其实是美国对全世界设的一个局,以世界贸易战争引发世界大战,这 2019-03-28
  • 6月12日凤凰直通车:郎酒发文:小郎酒新、老两款产品长期并行出口 产品 2019-03-23
  • 相比停球失误 王燊超的工作态度比工作能力更低端 2019-03-23
  • 外国领导人祝贺我新一届领导人 2019-03-16
  • 李思思元元月亮姐姐 盘点央视主持人与子女温馨合影 2019-03-16
  • 怎么也没有觉察到是什么向美国靠拢呀,只不过就是租借土地搞经济开发区吗,而且 听说 在骚乱中反华势力也不小呢, 2019-03-14
  • 梁家河,一个中国村庄的幸福与奋斗 2019-03-04
  • 李冰冰:深海潜水挑战极限 2019-03-04
  • 蔡名照会见越通社社长阮德利 2019-01-23
  • 创造历史!权健恐成亚冠唯一中超队 索萨帅位转危为安 2019-01-23
  • 【理上网来·辉煌十九大】澳大利亚专家:一个强大自信的中国会给世界带来更多机遇 2018-10-27
  • 端午假期 广州旅游业吸金37亿 2018-10-27
  • 越南的现状应该给中国敲响警钟,强坛更是如此。上城客们现在是在动嘴,造舆论煽风点火,不防到点,越南现在发生的事情也可能在中国出现。 2018-10-20
  • 传媒每周热闻第359期:第41次《中国互联网络发展状况统计报告》发布 新浪微博热搜下线整改 2018-08-09
  • 741| 40| 87| 682| 856| 809| 470| 597| 922| 313|