评分卡模型验证常用指标

在模型训练及验证之前，需进行好坏用户的划分，可通过有贷后表现根据阈值进行划分，其中坏用户定义为1，好用户定义为0,基于此对模型验证指标进行说明。

• 混淆矩阵（confusion matrix）

		实际表现
		1	0
预测表现	1	TP(true positive 预测正确的坏用户个数)	FP(false positive 预测错误的坏用户个数)
	0	FN(false negative 预测错误的好用户个数)	TN(true negative 预测正确的好用户个数)

• 敏感性
  计算方式：
  敏感性=TP/(TP+FN)，即实际为坏人中预测正确的坏人占比；该值越大越好。
• 特异性
  计算方式：
  特异性=TN/(FP+TN)，即实际为好人中预测正确的好人占比；该值越大越好。

注：对于平衡样本，单指标可衡量模型的准确性，对于非平衡样本，必须两个指标同时衡量才具有可信力。

• 精确率/查准率
  计算方式：
  精确率(Precision)=TP/(TP+FP)，即预测为坏人中预测正确的坏人占比；