评分卡生成

模型建立以后得到的log(odds)值是建模样本的好/坏比的对数，分值可以为负值，使得分值的可解读性很差，为了使得评分的结果更容易理解，更加具有实用性，我们希望看到评分卡的样子，通常对变量的特征值进行线性比例变换，并加上一个偏移量，公式如下：

Score = factor * log(odds) + offset
= factor (a * woe + b) offset

其中，比例因子factor和偏移量offset可以通过以下行业规则确定：

• 好：坏 = 20:1 时，评分刻度为600；

• 评分每增减20分，好坏比增加一倍。

  代码如下：

  def make_scorecard(formular,woe,basescore=600.0,base_odds=50.0/1.0,pdo=50.0):
  """
  一般行业规则，一般设定当odds为50时，score为600
  Odds翻倍时，score+20
  score = -(woe*b +a/n)*factor + offset/n
  factor = pdo/np.log(2)
  offset = basescore - factor*np.log(base_odds)
  
  basescore = float(600)
  base_odds = 50.0/1.0
  pdo = float(50)
   #计算所需要的参数
     """  
  
  a = formular[formular[u"参数"] == "Intercept"].ix[0,u"估计值"]
  formular = formular.iloc[1:,:]
  n = float(len(formular))
  factor = pdo/np.log(2)
  offset = basescore - factor*np.log(base_odds)
  
  #生成评分卡
  
  scorecard = pd.DataFrame()
  for i in formular[u"参数"]:
      woe_frame = woe[woe['var_name'] == i][['var_name','interval','min','max','PctRec','bad_rate','WOE']]
      beta_i = formular[formular[u"参数"] == i][u"估计值"].iloc[0]
      #woe_frame['score'] = woe_frame['WOE'].apply(lambda woe : offset/n - factor*(a/n-np.abs(beta_i)*woe))
      woe_frame['score'] = woe_frame['WOE'].apply(lambda woe : offset/n - factor*(a/n+beta_i*woe))
      scorecard = pd.concat((scorecard,woe_frame),axis=0)
  
  return scorecard

[1]参考资料：《SAS开发经典案例解析》（杨驰然）