机器学习LR模型预测概率转换成分数

如何将LR的预测概率值转化为分数？

​ 背景：在互联网金融中，一般用LR模型来预测一个借贷用户的好坏，但是LR模型得到的结果是逾期的概率值，如何仅仅给出预测概率值，人一般很难判断这个概率值代表的用户质量好坏，但是如果能够给出分数就比较理解了。而我们一般要把逾期概率转为分数来供公司进行决策，那么如何将逾期概率转化为用户质量的得分，例如0-100呢？

​ 最容易想到的是将逾期率概率值直接乘以100就得到分数了，但是LR得到的概率值往往是不均匀的，比如讲概率值排序后，头部和尾部的概率值较少，大部分概率都集中在中间某个区域，这时这种方法就失效了。

​ 还有一种方法是将概率值进行排序，找出头部的20%概率值映射到80-100分，尾部的20%概率值映射到0-60分，中间的60%概率值映射到60-80分，那么如何将头部的20%概率映射到80-100分呢？可以将概率值作为X，分数score作为Y，计算一个线性回归模型 Y=w1X+w2 。这样，当就可以将概率值通过线性函数映射到分数了。

​ 注意，具体映射到哪个分数区间可以根据业务进行调整。

import numpy as np
from pandas import DataFrame


def score_model(result_train, bins_num=10):
    """
        根据输入的样本数据，进行打分模型的训练：
            输入数据格式：dict 组成list， dict = {score : ml_model_proba}
            输出数据格式：bin_dict = {i:{'left': , 'right': , 'line_train_list'}}
    """
    sorted_result_train = sorted(result_train, key=lambda result_train:result_train['score'], reverse=False)
    print(len(sorted_result_train))
    score_bins = {}
    every_len = int(len(sorted_result_train) / bins_num)
    print(every_len)
    # 30分粒度，做分桶，桶内直线拟合
    for i in range(0, bins_num):
        left = sorted_result_train[i*every_len]['score']
        right = sorted_result_train[(i+1)*every_len-1]['score']
        step = 300/bins_num
        score_map = [800-i*step, 800-(i+1)*step]
        if i == bins_num-1:
            right = sorted_result_train[-1]['score']
        line_train = np.polyfit([left, right], score_map, 1)
        line_train_list = line_train.tolist()
        bins = dict()
        bins['left'] = left
        bins['right'] = right
        bins['line_train_list'] = line_train_list
        score_bins[i] = bins
    return score_bins

def predict_score(score_bins, result_proab):
    """
       打分模型：根据输入的result_proab, 按照score_bins进行打分；score_bins就是打分model
    """
    proab = result_proab
    score = 0
    for k,v in score_bins.items():
        if proab >= v['left'] and proab < v['right']:
            score = v['line_train_list'][0] * proab + v['line_train_list'][1]
            break
    return score


scores = np.random.random(20)
ids = range(20)
df = DataFrame([ids,scores]).T
df.columns = ["id", "score"]
dic = df.to_dict(orient="records")
print("dic:",dic)
#训练打分模型（将逾期的概率映射为500-800之间的分数，分数越高，用户越好）
score_bins = score_model(dic)
print(score_bins)
#输入pred概率值，输出分数
result_proab = 0.083882018
score = predict_score(score_bins, result_proab)
print("score:", score)