dnn模型 list index out of range_模型评价指标—KS

对于 分类模型 ，在建立好模型后，我们想 对模型进行评价 ，常见的指标有混淆矩阵、KS曲线、ROC曲线、AUC面积等。也可以自己定义函数，把模型结果分割成n(100)份，计算top1的准确率、覆盖率。

之前阐述了混淆矩阵，本文阐述KS的原理和Python实现实例，其它指标会在后续文章中详尽阐述，敬请期待。

本文目录

1. 详细介绍KS

   1.1 什么是KS

   1.2 理解KS的一个小例子

2. 用Python如何计算KS值并绘图

   2.1 具体代码

   2.2 具体实例

3. 如何评价KS

一、详细介绍KS  1  什么是KS

KS(Kolmogorov-Smirnov)：好坏样本之间累计分布的差值(最大值)，用于评估模型的风险区分能力。

好坏样本的累计差异越大，模型的风险区分能力越强，KS指标越大。  2  理解KS的一个小例子

为了便于理解，举一个通俗易懂的小例子(非实际情况)。

现假设有两百个样本，其中100个为逾期客户(标记为1)，100个为正常客户(标记为0)。计算模型KS值的步骤如下：

• step1：用这两百个样本训练一个模型(可以是逻辑回归、GBDT等)，得到两百个样本预测为逾期的prob。
• step2&#x