评分卡模型

评分卡模型

变量分析：
	---变量一般分为连续变量与分类变量（数值与类别）
	
WOE（证据权重）：
	---good为好用户  bad为坏用户
	---好用户概率p(good),坏用户概率p(bad)
	
	WOE = ln(p(good)/p(bad))
    	= ln((该组中为good的频数/全部为good的频数)/(该组中为bad的频数/全部为bad的频数))

IV（信息值）:
	---计算公式:
	IV = Σ(p(good)-p(bad))*WOE

IV值	预测能力
<0.03	无预测能力
0.03~0.1	预测能力弱
0.1~0.3	预测能力一般
0.3~0.5	预测能力较强
>0.5	预测能力极高

分组原则：
	---组间差异要大
	---组内差异要小
	---每组占比不低于5%
	---必须有好坏分类

建模：
	---数据集划分一般3-7(或者2-8)---测试集-训练集
	---使用logisticRegression
	
评分卡：
	---odds计算：
	odds = p(bad)/p(good)
	score = A + Bln(odds)	

分配分值

逻辑回归中的sigmod函数公式：

可以转换为：

与odds关联：

最终：

Score得分：

以上W0理解为截距，W1…Wn为系数