初探机器学习与评分卡模型

机器学习简介

什么是机器学习

• 如果一个系统能够通过执行某个过程改变它的性能，这就是学习（什么是学习）
• 不用编程去指定机器做什么，而是让机器有能力自己学习
• 首先定义任务T，经验E，表现P，如果机器有一个任务T，随着经验E的增多，表现P也会变好，则表示机器正在经验E中学习

三要素

• 模型（机器学习的成果，条件概率分布或决策函数）
• 策略（计算模型的方式）
• 算法

生活中的机器学习应用

• 垃圾邮件分类
• AlphaGo围棋AI
• 医疗行业
• 人声识别

监督学习

学习一个模型，使模型对给定输入做出相应的预测输出，流程如下图

其中自变量x为自变量，是实例的特征向量；y为因变量，是实例的结果。

监督学习主要解决分类与回归两类问题

监督学习实例

已知房价，平米数的训练集如下：

平米数	房价（万）
50	50
80	70
100	90
130	110
150	？？？

给定一个平米数，预测该面积房价。

无监督学习

从数据中自主学习，分析数据的类别结构

评分卡介绍

什么是评分卡（信贷场景中）

• 以分数的形式来衡量风险几率的一种手段
• 对未来一段时间内违约/逾期/失联概率的预测
• 通常评分越高越安全
• 根据使用场景分为反欺诈评分卡、申请评分卡、行为评分卡、催收评分卡

为什么要开发评分卡

• 风险控制的一个环节，根据已有数据提供逾期概率指标参考

评分卡的特性

• 稳定性
• 预测能力
• 等价于逾期概率

评分卡开发的常用模型

• 逻辑回归
• 决策树
• 组合模型

基于逻辑回归的评分卡理论依据

一个事件发生的几率（Odds），是指该事件发生的概率与该事件不发生概率的比值。若一个客户违约概率为p，则其正常的概率为1-p，由此可得：

$$Odds = \frac{p}{1-p}$$
此时，客户违约的概率p可以表示为:
$$p=\frac{Odds}{1+Odds}$$
评分卡表达式为：
$$Score = A-Blog(Odds)$$
其中A、B为常数。由于log函数在 $(0 \to +\infty)$单调递增，所以当用户违约几率Odds越大时，Score评分越低。
通过给定
（1）某特定Odds时的Score值 $S_0$；
（2）该特定Odds值翻倍时Score增加值 $PD_{0}$;
通过给定值 $S_0$与 $PD_{0}$带入评分卡表达式，可求得A、B。
通过以上分析，求该用户评分Score的问题则转化为求用户违约对数几率 $log(Odds)$的问题。
依照二元逻辑回归构造预测函数

hθ(x)=g(θTx)=11+e−θT<