模型监测 2016.06.03回顾

1、模型监测，可以用卡方检验实际分布，但是有一个问题，就是我们建模的数据，是上一版的模型已经通过的客户，也就说这些客户理论上来讲（上一版模型是可靠的）坏客户的比率本来就会低一些，如果没加入拒绝演绎的话，现在的实际分布本身就该比建模的时候存在一些不同的地方，主要呈现出来的应该是低等级的客户比例应该更大，所以不能无脑卡方检验两个分布的显著性差异，我觉得如果要做卡方检验就应该加入拒绝演绎，算出被拒绝部分人（抽样）ABCDE分布的情况，并且要知道一共拒绝掉多少人，就可以大概算出整体ABCDE的分布，这就是预期分布，再算出实际分布，用卡方检验得到模型应该重建还是调整临界值！
2、上午开了很久的会，下午跟着做了个决策矩阵，都很简单的事情，搞这么复杂？
3、剩下的时间继续把logistic模型转成了标准评分卡，还差最后两个变量，是一个体力话，对页面上的可视化显示做了一些修改！