金融风控实战入门-逻辑回归评分卡

1.评分卡

• 建立逻辑回归模型
• 对模型进行评分映射

2.需要进行监控的指标

分数分布、模型psi、变量psi、低分原因、捕获率、模型ks

问题

（1）如果各家公司都用三方数据进行建模，那建模得到的模型是否都大致相同？
答：
分享一个案例，客户曾经用征信报告中的指标作为入模变量进行建模，但是尝试用报告详单中的底表数据进行更多特征的加工后，模型效果提升了两三倍。

（2）模型训练时，l1正则化和l2正则化在使用上有什么区别？
答：
l2正则化效果更好一些，l1正则化可以用于特征的筛选。

（3）xgb为什么也需要做分箱和bi-var？
答：
分箱是可以增强模型鲁棒性的，但同时会损失一定的精度。做lgb的时候可能不会做分箱，但是做xgb还是会做一个分箱，使xgb具备更强的鲁棒性。
案例：线上xgb，线下lr陪跑（既要xgb的精准度，又要lr的可解释性）。两个模型入模特征的加工逻辑需要一致，因此对xgb模型的入模变量也进行了bi-var单调性变换。

（4）xgb怎么保证模型的稳定性？
答：
首先要保证，变量的分布是稳定的。
其次，可以尝试对变量进行分箱。

（5）测试集的ks有可能比训练集高吗？
答：
有可能。可能是模型欠拟合，也可能是数据原因。