Python实战：信用评分模型开发「Part 2」

六.模型分析

证据权重（Weight of Evidence,WOE）转换可以将Logistic回归模型转变为标准评分卡格式。

引入WOE转换的目的并不是为了提高模型质量，只是一些变量不应该被纳入模型，这或者是因为它们不能增加模型值，或者是因为与其模型相关系数有关的误差较大，其实建立标准信用评分卡也可以不采用WOE转换。

这种情况下，Logistic回归模型需要处理更大数量的自变量。尽管这样会增加建模程序的复杂性，但最终得到的评分卡都是一样的。

在建立模型之前，我们需要将筛选后的变量转换为WoE值，便于信用评分。

1.WOE转换

我们已经能获取了每个变量的分箱数据和woe数据，只需要根据各变量数据进行替换，实现代码如下：

#替换成woe函数def replace_woe(series, cut, woe):  list = []  I = 0  while i<len(series):    value=series[i]    j=len(cut) - 2    m=len(cut) - 2    while j >= 0:      if value>=cut[j]:        j = -1      else:        j -= 1        m -= 1    list.append(woe[m])    i += 1  return list

我们将每个变量都进行替换,并将其保存到WoeData.csv文件中：

# 替换成woedata["RevolvingUtilizationOfUnsecuredLines"] = Series(replace_woe(data["RevolvingUtilizationOfUnsecuredLines"], cutx1, woex1))data["age"] = Series(replace_woe(data["age"], cutx2, woex2))data["NumberOfTime30-59DaysPastDueNotWorse"] = Series(replace_woe(data["NumberOfTime30-59DaysPastDueNotWorse"], cutx3, woex3))data["DebtRatio"] = Series(replace_woe(data["DebtRatio"], cutx4, woex4))data["MonthlyIncome"] = Series(replace_woe(data["MonthlyIncome"], cutx5, woex5))data["NumberOfOpenCreditLinesAndLoans"] = Series(replace_woe(data["NumberOfOpenCreditLinesAndLoans"], cutx6, woex6))data["NumberOfTimes90DaysLate"] = Series(replace_woe(data["NumberOfTimes90DaysLate"], cutx7, woex7))data["NumberRealEstateLoansOrLines"] = Series(replace_woe(data["NumberRealEstateLoansOrLines"], cutx8, woex8))data["NumberOfTime60-89DaysPastDueNotWorse"] = Series(replace_woe(data["NumberOfTime60-89DaysPastDueNotWorse"], cutx9, woex9))data["NumberOfDependents"] = Series(replace_woe(data["NumberOfDependents"], cutx10, woex10))data.to_csv("WoeData.csv", index=False)

2.Logisic模型建立

我们直接调用statsmodels包来实现逻辑回归：

导入数据data = pd.read_csv("WoeData.csv")#应变量Y=data["SeriousDlqin2yrs"]#自变量，剔除对因变量影响不明显的变量X=data.drop(["SeriousDlqin2yrs","DebtRatio","MonthlyIncome", "NumberOfOpenCreditLinesAndLoans","NumberRealEstateLoansOrLines","NumberOfDependents"],axis=1)X1=sm.add_constant(X)logit=sm.Logit(Y,X1)result=logit.fit()print(result.summary())

输出结果：

逻辑回归模型结果

逻辑回归各变量都已通过显著性检验，满足要求。

3.模型检验

到这里，我们的建模部分基本结束了。我们需要验证一下模型的预测能力如何。我们使用在建模开始阶段预留的test数据进行检验。通过ROC曲线和AUC来评估模型的拟合能力。

在Python中，可以利用sklearn.metrics，它能方便比较两个分类器，自动计算ROC和AUC。

实现代码：

#应变量Y_test = test["SeriousDlqin2yrs"]#自变量，剔除对因变量影响不明显的变量，与模型变量对应X_test = test.drop(["SeriousDlqin2yrs", "DebtRatio", "MonthlyIncome", "NumberOfOpenCreditLinesAndLoans","NumberRealEstateLoansOrLines", "NumberOfDependents"], axis=1)X3 = sm.add_constant(X_test)resu = result.predict(X3)#进行预测fpr, tpr, threshold = roc_curve(Y_test, resu)rocauc = auc(fpr, tpr)#计算AUCplt.plot(fpr, tpr, "b", label="AUC = %0.2f" % rocauc)#生成ROC曲线plt.legend(loc="lower right")plt.plot([0, 1], [0, 1], "r--")plt.xlim([0, 1])plt.ylim([0, 1])plt.ylabel("真正率")plt.xlabel("假正率")plt.show()

输出结果：

ROC曲线

从上图可知，AUC值为0.85，说明该模型的预测效果还是不错的，正确率较高。

七.信用评分

我们已经基本完成了建模相关的工作，并用ROC曲线验证了模型的预测能力。接下来的步骤，就是将Logistic模型转换为标准评分卡的形式。

1.评分标准

依据以上论文资料得到：

• a=log（p_good/P_bad）
• Score = offset + factor * log(odds)

在建立标准评分卡之前，我们需要选取几个评分卡参数：

• 基础分值
• PDO（比率翻倍的分值）
• 好坏比

这里， 我们取600分为基础分值，PDO为20 （每高20分好坏比翻一倍），好坏比取20。

# 我们取600分为基础分值，PDO为20（每高20分好坏比翻一倍），好坏比取20。z = 20 / math.log(2)q = 600 - 20 * math.log(20) / math.log(2)baseScore = round(q + p * coe[0], 0)

个人总评分=基础分+各部分得分

2.部分评分

下面计算各变量部分的分数。各部分得分函数：

#计算分数函数 def get_score(coe,woe,factor):  scores=[]  for w in woe:    score=round(coe*w*factor,0)    scores.append(score)  return scores

计算各变量得分情况：

# 各项部分分数x1 = get_score(coe[1], woex1, p)x2 = get_score(coe[2], woex2, p)x3 = get_score(coe[3], woex3, p)x7 = get_score(coe[4], woex7, p)x9 = get_score(coe[5], woex9, p)

我们可以得到各部分的评分卡如下图所示：

各变量的评分标准

八.自动评分系统

根据变量来计算分数，实现如下：

#根据变量计算分数def compute_score(series,cut,score):  list = []  i = 0  while i < len(series):    value = series[i]    j = len(cut) - 2    m = len(cut) - 2    while j >= 0:      if value >= cut[j]:        j = -1      else:        j -= 1        m -= 1    list.append(score[m])    i += 1  return list

我们来计算test里面的分数：

test1 = pd.read_csv("TestData.csv")test1["BaseScore"]=Series(np.zeros(len(test1)))+baseScoretest1["x1"] = Series(compute_score(test1["RevolvingUtilizationOfUnsecuredLines"], cutx1, x1))test1["x2"] = Series(compute_score(test1["age"], cutx2, x2))test1["x3"] = Series(compute_score(test1["NumberOfTime30-59DaysPastDueNotWorse"], cutx3, x3))test1["x7"] = Series(compute_score(test1["NumberOfTimes90DaysLate"], cutx7, x7)test1["x9"] = Series(compute_score(test1["NumberOfTime60-89DaysPastDueNotWorse"], cutx9, x9))test1["Score"] = test1["x1"] + test1["x2"] + test1["x3"] + test1["x7"] +test1["x9"] + baseScoretest1.to_csv("ScoreData.csv", index=False)

批量计算的部分分结果：

批量计算的部分结果

九.总结及展望

本文通过对kaggle上的Give Me Some Credit数据的挖掘分析，结合信用评分卡的建立原理，从数据的预处理、变量选择、建模分析到创建信用评分，创建了一个简单的信用评分系统。

基于AI的机器学习评分卡系统可通过把旧数据（某个时间点后）剔除掉后再进行自动建模、模型评估、并不断优化特征变量，使得系统更加强大。

END.

作者：Carl

来源：知乎

本文为转载分享，如侵权请联系后台删除