分类模型常用评价指标2

KS指标是征信行业中常用的模型评估指标，主要用于衡量风险模型好坏样本的区分能力。KS值是好坏样本累计部分之间的差值，好坏样本累计差异越大，KS指标越大。KS曲线和ROC曲线的绘制方法十分相似，将阈值作为横轴，将FPR和TPR都作为纵轴，同时将TPR和FPR的差值也作为纵轴，那么我们就可以得到KS曲线，而KS值是TPR和FPR的差值的最大值，其计算公式为：

KS=Max(TPR-FPR)

KS的取值范围是[0,1]。通常来说，KS值越大，表明模型能够越好地将好坏样本区分开来。计算步骤如下。

1）按照征信模型返回的概率降序排列，如果已经转化为分数值，则按升序排列。

2）把取值范围[0,1]或[最小分数，最大分数]分为N等份，计算每个等份的累计好客户比例和累计坏客户比例，分别作为TPR、FPR。

3）以每个等分点作为横坐标，分别以TPR和FPR的值为纵坐标，就可以画出两条曲线，这就是KS曲线，也可以把TPR-FPR的值画出，则KS值为TPR-FPR图形中最高点的值。

接下来我们利用图4-6中的数据，分别绘制KS曲线并计算KS值，如代码清单4-1所示。