Lift提升度的计算逻辑是:在模型中算出来每个评分等级的分数,之后便将将打分后的样本按分数从低到高排序,取10或20等分,并将坏样本数与组内观察数作商,最后再将该值比各个自然分组与整体样本数的比值,这便是lift提升值的概念。
某公司中4个产品(a/b/c/d)中,dpd30+的逾期的情况,整体的dpd30+的逾期率为1.6%,将每组数值跟总体(也叫大盘,为1.6%)取比值,我们能计算出每一组风险倍数的数值(倍数即除平均)。
result_df['风险倍数'] = result_df['bad_rate'] / bad_rate_avg # 风险倍数
负样本占比倍数:负样本占比/total负样本占比(类似有逾期倍数,风险倍数,累计负样本占比倍数)