?

為了提高評分卡模型的開發效率，我為 R 語言社區貢獻了一個開源項目 scorecard 包 (HomePage,?Github,?CRAN)。該 R 包提供了評分卡開發過程中的常用功能，包括變量粗篩、分箱與 woe 轉換、模型評估、評分刻度轉換等。

評分卡模型的開發流程通常包括以下五個主要步驟：數據準備、WOE 分箱、模型擬合、模型評估、評分卡刻度。下面結合 scorecard 包完成一個簡單的評分卡模型開發案例。更加詳細的評分卡模型開發介紹請參考幻燈片。

數據準備

首先加載 scorecard 包，并載入包內自帶的德國信貸數據集。該數據集包含了1000個借款人的信貸數據，20個 X 特征與1個 Y 值。其詳細信息參見?UCI 的德國信貸數據集網站。

library(scorecard)# load germancredit data data(germancredit)

載入數據集后，可先通過變量的 IV 值、缺失率以及單類別率對 X 特征進行初步篩選。var_filter 函數默認刪除信息值小于0.02、缺失率大于95%或單類別比例大于95%的變量。var_filter 函數還能夠人為設定需要刪除或保留的變量，以及夠返回變量刪除的原因列表。

# filter variable via missing rate, iv, identical rate dt = var_filter(germancredit, y = 'creditability') ## [INFO] filtering variables ...

將經過初篩的數據集拆分為訓練集與測試集。在 split_df 函數中如果指定了 y 變量，那么將基于 y 變量分層拆分，如果沒有指定，則隨機拆分數據集。ratio 為拆分后兩個數據集的樣本量占比。 seed 為隨機種子，用于重現拆分的樣本。

# breaking dt into train and test dt_list = split_df(dt, y="creditability", ratio = 0.6, seed = 30) label_list = lapply(dt_list, function(x) x$creditability)

WOE分箱

接下來對數據集進行分箱與 woe 值轉換。由于這個數據集樣本量比較小，我們可以直接對全樣本進行分箱處理。如果數據量允許，應該使用訓練集進行分箱，并使用訓練集得到的 woe 值對其他數據集進行woe替換。

woebin 函數提供了樹形 tree、卡方合并 chimerge、等寬 width 與等高 freq 四種分箱方法。以樹形分箱為例，默認情形是當信息值增益率 stop_limit 小于0.1, 或分箱數 bin_num_limit 大于8(缺失值除外)時停止分箱，同時確保每一個分箱的樣本占比 count_distr_limit 不小于5%。當然還能夠通過 breaks_list 手動設定分箱節點。

woebin 函數輸出的結果為多個 data.frame 組成的 list，可通過 data.table::rbindlist 或 dplyr::bind_rows 函數合并為一個數據框然后保存。當然 woebin 函數也能夠直接輸出一個由分箱切割點組成的 list 并保存，下次使用時直接通過 woebin 函數對 breaks_list 參數對新的數據集進行分箱。

woebin_adj 函數可逐個觀察每個變量的分箱情況。如果不滿意默認的分箱結果，可以手動修改。最終返回一個經過手動調整的分箱節點。

分箱之后，需要使用 woebin_ply 函數將訓練集與測試集轉換為對應的 woe 值。

# woe binning bins = woebin(dt, "creditability", print_step=0) ## [INFO] creating woe binning ... bins[[12]] ## variable bin count count_distr good bad badprob woe bin_iv total_iv breaks ## 1: other.installment.plans bank%,%stores 186 0.186 110 76 0.4086 0.4776 0.04594 0.05759 bank%,%stores ## 2: other.installment.plans none 814 0.814 590 224 0.2752 -0.1212 0.01166 0.05759 none ## is_special_values ## 1: FALSE ## 2: FALSE woebin_plot(bins[[12]]) ## $other.installment.plans

?

# converting train and test into woe values dt_woe_list = lapply(dt_list, function(x) woebin_ply(x, bins)) ## [INFO] converting into woe values ...

模型擬合

當獲得了 woe 值替換之后的數據集，可以使用邏輯回歸進行擬合，并通過AIC、LASSO等方法對變量進一步篩選。下面使用基于 AIC 的逐步回歸進一步篩選變量，最終得到了一個擁有13個變量的模型。

# lr m1 = glm( creditability ~ ., family = binomial(), data = dt_woe_list$train) # vif(m1, merge_coef = TRUE) # summary(m1)# Select a formula-based model by AIC (or by LASSO for large dataset) m_step = step(m1, direction="both", trace = FALSE) m2 = eval(m_step$call) vif(m2, merge_coef = TRUE) # summary(m2) ## variable Estimate Std. Error z value Pr(>|z|) gvif ## 1: (Intercept) -0.9448 0.1094 -8.639 0.0000 NA ## 2: status.of.existing.checking.account_woe 0.7756 0.1380 5.619 0.0000 1.042 ## 3: duration.in.month_woe 0.7963 0.2291 3.476 0.0005 1.181 ## 4: credit.history_woe 0.8308 0.2035 4.082 0.0000 1.064 ## 5: purpose_woe 0.8632 0.2755 3.133 0.0017 1.043 ## 6: credit.amount_woe 0.7669 0.2838 2.702 0.0069 1.251 ## 7: savings.account.and.bonds_woe 0.8545 0.2606 3.279 0.0010 1.039 ## 8: installment.rate.in.percentage.of.disposable.income_woe 1.8621 0.6822 2.730 0.0063 1.094 ## 9: other.debtors.or.guarantors_woe 2.1018 0.8922 2.356 0.0185 1.037 ## 10: age.in.years_woe 1.0154 0.3001 3.383 0.0007 1.033 ## 11: other.installment.plans_woe 0.7623 0.4347 1.754 0.0795 1.060 ## 12: housing_woe 0.7610 0.3665 2.077 0.0378 1.035

模型評估

通過邏輯回歸獲得各變量的擬合系數之后，可以計算出各個樣本為壞客戶的概率，然后評估模型的預測效果。 perf_eva 函數能夠計算的評估指標包括 mse, rmse, logloss, r2, ks, auc, gini，以及繪制多種可視化圖形 ks, lift, gain, roc, lz, pr, f1, density。

## predicted proability pred_list = lapply(dt_woe_list, function(x) predict(m2, x, type='response'))## performance perf = perf_eva(pred = pred_list, label = label_list) ## [INFO] The threshold of confusion matrix is 0.3133.

?

評分卡刻度

當我們獲得了各個變量的分箱結果，并且確定了最終進入模型的變量以及系數，則可以創建標準評分卡。

有了評分卡之后，可用于對新樣本進行打分，從而評估該客戶的信用水平，并最終作出審批決策。

最后，評分卡模型的開發過程，還需要對模型的穩定性進行評估，即計算psi。

## scorecard card = scorecard(bins, m2) ## credit score score_list = lapply(dt_list, function(x) scorecard_ply(x, card))## psi perf_psi(score = score_list, label = label_list) ## $psi ## Null data.table (0 rows and 0 cols)

以上代碼均可以在該項目的主頁獲取。

總結

以上是生活随笔為你收集整理的xieshiran:使用 R 语言开发评分卡模型的全部內容，希望文章能夠幫你解決所遇到的問題。

如果覺得生活随笔網站內容還不錯，歡迎將生活随笔推薦給好友。