作者：zhaikun 风控建模屌丝一枚，现居于北京
个人微信公众号：Python数据分析与评分卡建模
本文数据获取：关注Python爱好者社区微信公众号，回复B卡。
评分卡主要有三种，申请评分卡、行为评分卡、催收评分卡，也就是俗称的A卡、B卡、C卡。
申请评分卡要求最为严格，也最为重要，可解释性也要求最强，一般用逻辑回归创建，感兴趣的同学可以参考一本书，叫：信用风险评分卡研究-基于SAS的开发与实施。虽然是用SAS写的，但是原理是共通的；
在机器学习大当其道的今天，行为评分卡与催收评分卡可以尝试用机器学习模型，比如随机森林、GBDT、Xgboost等。
A卡与B卡最主要的区别就是其作用时间点不一样，所选特征不一样。
申请评分卡用于贷前，行为评分卡用于放款后，根据贷款人的消费习惯，还款情况等一些信用特征，来预估用户M3+(欠款失联、委外催收)的概率。
20000多行，76个特征，特征名是英文，相信大家不好理解，体贴的我转成中文了。
继续缺失值可视化一下
没缺失值
特征衍生：
变成115个特征了。
区分连续变量和分类变量：
正常机器学习的话，应该会进行one-hot编码和归一化了，但是评分卡的话，我还是用传统的卡方分箱和woe编码进行转换
关于卡方分箱，一个大神提供了解决思路，感兴趣的同学可以看：
https://www.aaai.org/Papers/AAAI/1992/AAAI92-019.pdf
https://github.com/lisette-espin/pychimerge
之后数据变成这样：
185列了。
IV排序后，选择IV>0.02的变量，共58个变量IV>0.02，不知道什么是IV的同学可以参考下我第一篇文章：利用lending_club数据创建申请评分卡
多变量分析，保留相关性低于阈值0.6的变量，剩余27个变量
逻辑回归对共线性敏感，我们判断下VIF：
接下来看特征分布，考虑采样：
现在再次预览
剩余28个变量了。
接下来我们进行显著性分析，删除P值不显著的变量，剩余12个变量了
正常来说，系数应该为负，如果是正的的话，说明有共线性。我们单独检验下
这三个变量系数确实为负，那还要继续筛选变量。
这时候我们用Xgboost计算变量重要性，进行筛选
先选择前5个最重要的变量放入逻辑回归模型，计算系数和显著性。
都是符合我们要求的。
继续往逻辑回归模型里面加变量，直至不显著或系数为正为止
这8个变量，计算相关系数矩阵，可视化一下：
建模：
评价指标还可以，模型可用。
学习曲线判断是否过拟合：
最终集中于一点，效果还是不错的。
ROC曲线：
KS曲线：
混淆矩阵：
评分卡要有分数。我们看下分数的分布：
看下评分表现：
本文数据获取：关注Python爱好者社区微信公众号，回复B卡。
区分的还算比较明显
Python爱好者社区历史文章大合集：
Python爱好者社区历史文章列表（每周append更新一次）
福利：文末扫码立刻关注公众号，“Python爱好者社区”，开始学习Python课程：
关注后在公众号内回复“课程”即可获取：
小编的Python入门视频课程！！！
崔老师爬虫实战案例免费学习视频。
丘老师数据科学入门指导免费学习视频。
陈老师数据分析报告制作免费学习视频。
玩转大数据分析！Spark2.X+Python 精华实战课程免费学习视频。
丘老师Python网络爬虫实战免费学习视频。
