logistic转换成标准评分卡

昨天痛定思痛，思考了一下，有时候干一个事情呢其实是不需要深入到数学细节的，有时候记住结论就可以了，另外的事情是数学家的事情，所以我开始转换思路，开始直接看评分卡模型的相关资料，直接从终点出发，有不懂的再回溯，我觉得这个学习方法还比较适合自己，我称为就是干(just do it)的方法，边打仗边学习，没必要找本书开始看基础理论（需要艰深的数学知识，进展太过缓慢）。
昨天学习评分卡的设计流程概要，其中主要学习了如何把logistic的结果转换成标准评分卡模型，思想很简单，就是把分数看成odds（违约比正常）的线性函数，然后再人为确定上升多少分，odds缩小一倍和多少分对应多少odds，如图：

求解可得：

解出A、B，带入probability或者直接带入Z就可以得到转换后的分数，我把现在模型按此方法转换成了300到900分的区间，用echarts做可视化，echarts仪表盘涉及很多配置参数，结合文档和例子慢慢配置可以满足要求的，唯一注意的地方就是，echarts配置项有些是value是数字没有单引号，有些必须是字符串。
然后要把这个信用分数分解到每一个维度，其实方法也简单，就是把Z拆开，常数项是基础分，但是后面的woe有正有负，设定一个基础分，后面的评分项就可能有负值，所以把常数项分成p份（变量数），与该变量的得分相加，这样全都是正的，我看书上讲设置基础分，也可以让其他评分项都是正的，我没理解，woe始终有正有负啊，我开始做标准评分卡，过程中还是遇到一些具体业务问题，再次说明这个事情并不难，只是一定不要放弃对业务的理解，不要只拿数字做一个数学游戏，而且是深入理解业务，那甚至是决定性的！
最后有个注意的地方，log(p/(1-p))，根据最开始设的p = 1/(1+exp(z))还是p = 1/(1+exp(-z))，有个符号的不同！