大数据风控---信用模型新老模型对比

前言

一个模型部署上线之前，我们要进行更新迭代，如何对新老模型做一个效果对比分析呢？下面将介绍几个常用的方法

方法一：

常用的模型评估指标，如：ROC、AUC、KS、Gini值越大，区分度越高，模型效果越好；RMSE,越小模型越好；

方法二：简单易懂可解释性强法

将建模样本、test样本或者OOT（out of time）数据，根据模型评分大小顺序排序，切分成20等分，计算每组的标签客户占比，如下图1：

新模型明显在最后2个等级对坏客户的区分度较为明显，如果我们将通过率设定在90%，在19、20两个等级上坏客户区分度上提升2个百分点以上；将分组逾期率化成2条lift曲线（下图2），明显新模型相对平滑，而且在19、20等分上新模型斜率高于老模型，证明新模型区分度好于老模型，可以进行更新迭代。

20份切分参考：https://blog.csdn.net/qq_32123787/article/details/95196322

图1：

图2：