风控ML[19] | 风控建模中的LR模型为什么出场率这么高？

00 Index

01 LR是什么？
02 LR在金融领域有哪些优势
03 LR的算法推导过程
04 LR的重要参数
05 LR与评分卡
06 总结一下

🙊 01 LR是什么？

LR全称是 Logistic Regression，中文名为逻辑回归模型。虽然名字里带有“回归”二字，但其实是属于分类模型，属于线性分类器。既然LR里有“回归”，那就说明了它和回归多少有些渊源了。我们知道线性回归模型的一般表达形式如下：

θθθθ

我们还可以用矩阵来表示上面这个方程：

θθθθθ其中

其中，θ_0被我们称为截距（intercept），其余的θ被称为系数（coefficient）。而我们知道，线性回归模型的输出值是连续型，如果要将其映射成0和1的二分类值的话，就需要引入 Link Function，也就是我们常说的 Sigmoid函数：

它是一个S型的曲线函数，当z趋向于正无穷，它趋向于1，而z趋向于负无穷，它趋向于0，所以它可以让预测结果都映射到0-1之间，有点像归一化。我们把线性回归的θ代入到Sigmoid函数中，可以得到逻辑回归的一般表现形式：

θ

如果我们对二元逻辑回归取odds（形似几率，），其实是可以得到线性回归的，不信？请看：

θθ

θθθ

θ

θ

θ

所以其实我们的核心工作就是求解z中的θ，让其可以拟合数据得到相对准确的预测结果。

🏆 02 LR在金融领域有哪些优势

这个问题其实一个很重要的优势就是可解释性，当然，还有好几点：

1. 可以解释性好：LR模型概率输出可以转化为对应的二分类概率，具备良好的可解释性，这对于金融行业而言非常重要，可以帮助业务人员更好理解模型以及模型内部的逻辑。

2. 算法简单快速：LR算法是一种简单快速的模型，数据量大的情况下可以一定程度上减轻计算压力，大大提高了模型计算效率。

3. 适用范围广&#x