评分卡模型，用odds来校准概率（我的理解）

前言

评分卡模型建立时，样本的好坏比和实际好坏比是不一致的，原因有二：

1、产品本身坏样本少，抽样时会对坏样本进行过抽样或者好样本进行欠抽样

2、未获取全量的原始数据，样本中的好坏比无法反映真实的情况

评分卡模型预测的是坏样本的概率，好坏比使用的是坏样本量/好样本量

概率校准

1、需要一个目标好坏比odds1

它可以是抽样前的产品真实好坏比（对应情况1），也可以是行业平均水平（对应情况2）

2、建模样本好坏比odds

在sigmoid函数转换前，只需要在逻辑回归拟合出来的截距上再加一个ln(odds1/odds)即可，原因：逻辑回归中的截距是约等于好坏比的对数的，即：把ln(odds)抵消掉，得到实际好坏比ln(odds1)

ln(odds1/odds) = ln(odds1)-ln(odds)

3、校准分数段的好坏比

对好坏比进行一个sigmoid的反函数，加上ln(odds1/odds)，再用sigmoid函数运算回来

案例

继续使用上篇的数据

评分卡模型阈值表（接上篇）-CSDN博客

	分组名称	本组客户	本组好客户	本组坏客户	好坏比（odds）	坏样本占比
0	[300-320)	15	4	11	2.75	73.33%
1	[320-340)	163	40	123	3.08	75.46%
2	[340-360)	257	97	160	1.65	62.26%
3	[360-380)	324	117	207	1.77	63.89%
4	[380-400)	357	163	194	1.19	54.34%
5	[400-420)	374	160	214	1.34	57.22%
6	[420-440)	533	228	305	1.34	57.22%
7	[440-460)	1124	585	539	0.92	47.95%
8<