一、有监督数据

评分卡模型是有监督的打分模型，所以训练模型的数据集需要包含特征和二分类标签。以GiveMeSomeCredit数据集为例，第一列target为我们的目标标签，1表示存在违约，0表示无违约情况。

.

二、特征提取

特征之间不宜存在强的相关关系，否则会影响算法的结果。
并不是所有特征都对target起重要作用的，通过计算IV值判断每个特征的影响权重。
评分卡算法有三个关键词：分箱、WOE、IV

2.1 分箱

分箱就是把每个特征划分为几个等级。比如年龄特征经过分箱以后为20-30、31-50、51-70、71-100五类。
分箱的目的是为了使模型更加稳定。
分箱的方法分为有监督分箱（卡方分箱、cart分箱等）和无监督分箱（等距划分、等频划分）两种，有监督分箱效果会更好。

2.2、WOE证据权重

2.3 IV信息价值

2.4、计算案例

以年龄这一特征为例，对年龄采用等频分箱后，分为九个等级：21-33、34-39、40-45、46-49、50-53、...，代入公式计算出每个层级的WOE，基于WOE计算出特征的IV值。

2.5、特征价值

显然有些特征对target的影响程度不高，不必作为模型训练参数，可以删除。

.

三、逻辑回归

把符合IV条件的特征的WOE值作为模型训练数据，target为目标值，训练逻辑回归模型。

特征

from sklearn.linear_model import LogisticRegression
from sklearn.model_selection import train_test_split
x = train_X.drop('target',axis = 1)
y = train_X['target']
train_x,test_x,train_y,test_y = train_test_split(x,y,test_size = 0.3,random_state = 0)
train = pd.concat([train_y,train_x], axis =1)
test = pd.concat([test_y,test_x], axis =1)
train = train.reset_index(drop=True)
test = test.reset_index(drop=True)
lr = LogisticRegression(penalty= 'l1')
lr.fit(train_x,train_y)

回归模型验证的AUC值为0.83，效果还是不错的，标明这些特征能够比较好的预测target的值。

ROC验证

.

四、得分计算

4.1、得分计算原理

4.2、PDO和P0的定义

计算score的前提是需要自定义PDO和P0的值，这个值定义的依据是什么？应该如何科学的定义？（还不知道）

def cal_base(pdo, p0, lr):
    B = pdo / math.log(2)
    A = p0 - B / math.log(pdo)
    base = round(A + B * lr.intercept_[0], 0)
    print('base',base)

以下为PDO=100，600，700，800，900，1000；P0=5，10，20对应的基础得分。

4.4、计算每个变量每个等级的分值

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

当设置PDO的值为20、p0为600，可以计算出A,B值，同时推出基础分A+BW0为： 314.0，计算出的评分卡分值如下：