ks 曲线_模型算法基础——KS曲线

原创： 栗老师 金科应用研院

关于判断逻辑回归模型的分别能力，我们前面已经介绍了基尼系数和ROC曲线，今天我们来介绍一下KS曲线。KS曲线主要体现了模型对违约对象的区分能力，通常是在模型预测全体样本的评分后，将全体样本按好客户(未逾期)和坏客户(逾期)分为两部分，然后用KS统计量来检验这两组样本评分的分布是否有显著差异。

KS曲线的横坐标是将所有样本的评分结果从小到大排序后等分为10组，纵坐标是好客户和坏客户的累积比率。举个栗子：

和前面介绍ROC曲线时一样，由于将评分结果相等的的样本都划分为了一组，因此每一组的样本数并不完全相等。第i组的好客户累积个数等于前i组好客户个数的总和，好客户累积比率等于好客户累积个数占好客户总个数的比值，坏客户同理。

这样，有了好客户和坏客户的累积比率，我们就可以画出KS曲线了：

上表中的差值指的是坏客户和好客户的累积比率之间的差值，KS值(统计量)值的就是差值中的最大值，反映了模型区分好坏客户的能力。值越大，模型的预测准确性越好。

不难发现，KS曲线中的所谓“累积比率”其实就是ROC曲线中的TPR和FPR。ROC曲线以FPR为横轴，TPR为纵轴，而KS曲线以阈值为横轴，TPR、FPR为纵轴。所以说，从某种角度看，ROC曲线和KS曲线其实是一回事。

附上R代码：

微信公众号搜索：「 金科应用研院」

可以从菜单栏点击「在线学习」

更多风控培训课程与干货学习资料，都在微信公众号

回复关键字： 「风控量化福利包」➡️领取干货学习资料

回复任意词可以加我们官方微信加入百人风控学习群

不定期分享干货资料，与行业内总监大咖一起讨论风控经验～