今天的特稿献给评分模型中的lift和KS

1. lift含义一

按照网上的含义，Lift衡量的是，与不利用模型相比，模型的预测能力“变好”了多少
混淆矩阵中，positive表示“逾期”，negative表示“未逾期”

	预测positive	预测negative
实际positive	TP	FN
实际negative	FP	TN

使用模型后，得到的逾期率or坏样本率即$$\frac{TP}{TP+FP}$$，如果不使用模型，总体的坏账率表示为$$\frac{TP+FN}{TP+TN+FN+FP}$$，因此lift的计算公式为$$\frac{\frac{TP}{TP+FP}}{\frac{TP+FN}{TP+TN+FN+FP}}(1)$$

2. 评分模型分区间求Lift

搞了一早上，感谢凡严同学，貌似搞懂了

(1) 评分卡得出来的分数进行区间划分，可以用来作为KS的分类阈值，也就是该阈值之前为坏样本，该阈值之后预测为好样本，这也就是KS的定义为累计坏样本比例与累计好样本比例之间的差值的结果，KS的图可表示为：

(2) 计算每个区间的lift，将该区间所有的样本预测为坏样本进行计算，使用的定义为区间的坏账率占整体坏账率的比例，表示区间里面坏账的风险相对于整体风险的倍数。

因此计算方式表示为：$$\frac{\frac{BadCnt}{TotalCnt}}{\frac{BadCnt.sum}{TotalCnt.sum}}(2)$$

(1)和(2)的联系在于：该区间里面的所有样本均预测为坏样本，而实际的好坏样本与总体的好坏样本个数相同。

区间上的Lift的业务含义表示为：该区间中的样本被拒绝能够带来效益上的提升的倍数