申请评分卡（A卡）的开发过程（1）

缺乏、安全感 2022-11-30 01:27 125阅读 0赞

# 前言： #

本篇文章上接《申请评分卡简介》，有需要的童鞋可以参考下：[https://blog.csdn.net/qq\_16633405/article/details/107744921][https_blog.csdn.net_qq_16633405_article_details_107744921]

下面介绍下A卡的开发步骤。

# 开发过程 #

## 1、评分卡模型开发步骤： ##

1、立项：场景（营销、信贷领域）、对象（个人、账户、公司）、目的（程度决策、流失预警、反欺诈等等）  
2、数据的准备与预处理（账户，客户，内部外部数据）  
3、建模的构建（逻辑回归VS机器学习，单一模型VS 集成模型）  
4、模型评估（区分度，预测性，稳定性）  
5、验证（是否有计算错误，逻辑错误，业务错误）  
6、部署（从开发环境到生产环境、容量、并发度）  
7、监控（性能是否减弱，是否需要重新训练等）

## 2、申请评分卡常用的模型 ##

逻辑回归  
优点：简单，稳定，可解释，技术成熟，易于监测和部署  
缺点：准确度不高  
决策树  
优点：对数据质量要求低，易解释  
缺点：准确度不高  
其他元模型  
组合模型  
优点：准确度高，不易过拟合  
缺点：不易解释；部署困难；计算量大

## 3、贷款申请环节的数据介绍和描述 ##

申请评分卡常用的特征  
1、个人信息 ：学历（核查学历） 性别 收入（流水、社保、公积金来侧面查看）  
2、负债信息 ：在本金融机构或者其他金融机构负债情况 （在房贷、信用卡领域应用较多）  
3、消费能力 ：商品购买纪录，出境游，奢侈品消费 （）  
4、历史信用记录 ：历史逾期行为 （第三方接口查看）  
5、新兴数据： 人际社交 网络足迹 出行 个人财务（人际社交：通过与老赖的关系来判断他的人品（即还款意愿）；出行：通过看这个人的出行交通工具判断这个人的经济能力（还款能力））  
**1、4可以看出还款意愿；2、3可以看出还款能力。还款意愿\*还款能力=评分卡分数等级**

## 4、A卡用到的字段介绍 ##

<table> 
 <thead> 
  <tr> 
   <th>字段</th> 
   <th>名称</th> 
  </tr> 
 </thead> 
 <tbody> 
  <tr> 
   <td>member_id</td> 
   <td>ID</td> 
  </tr> 
  <tr> 
   <td>loan_amnt</td> 
   <td>申请额度</td> 
  </tr> 
  <tr> 
   <td>term</td> 
   <td>产品期限</td> 
  </tr> 
  <tr> 
   <td>int_rate</td> 
   <td>利率</td> 
  </tr> 
  <tr> 
   <td>emp_length</td> 
   <td>工作期限</td> 
  </tr> 
  <tr> 
   <td>home_ownership</td> 
   <td>是否有自有住宅</td> 
  </tr> 
  <tr> 
   <td>annual_inc</td> 
   <td>年收入</td> 
  </tr> 
  <tr> 
   <td>verification_status</td> 
   <td>收入核验状态</td> 
  </tr> 
  <tr> 
   <td>desc</td> 
   <td>描述</td> 
  </tr> 
  <tr> 
   <td>purpose</td> 
   <td>贷款目的</td> 
  </tr> 
  <tr> 
   <td>title</td> 
   <td>贷款目的描述</td> 
  </tr> 
  <tr> 
   <td>zip_code</td> 
   <td>联系地址邮政编码</td> 
  </tr> 
  <tr> 
   <td>addr_state</td> 
   <td>联系地址所属州</td> 
  </tr> 
  <tr> 
   <td>delinq_2yrs</td> 
   <td>申贷日期前2年逾期次数</td> 
  </tr> 
  <tr> 
   <td>inq_last_6mths</td> 
   <td>申请日前6个月咨询次数</td> 
  </tr> 
  <tr> 
   <td>mths_since_last_delinq</td> 
   <td>上次逾期距今月份数</td> 
  </tr> 
  <tr> 
   <td>mths_since_last_record</td> 
   <td>上次登记公众记录距今的月份数</td> 
  </tr> 
  <tr> 
   <td>open_acc</td> 
   <td>征信局中记录的信用产品数</td> 
  </tr> 
  <tr> 
   <td>pub_rec</td> 
   <td>公众不良记录数</td> 
  </tr> 
  <tr> 
   <td>total_acc</td> 
   <td>正在使用的信用产品数</td> 
  </tr> 
  <tr> 
   <td>pub_rec_bankruptcies</td> 
   <td>公众破产记录数</td> 
  </tr> 
  <tr> 
   <td>earliest_cr_line</td> 
   <td>第一次借贷时间</td> 
  </tr> 
  <tr> 
   <td>loan_status</td> 
   <td>贷款状态—目标变量</td> 
  </tr> 
 </tbody> 
</table>

## 5、非平衡样本问题的定义和解决方法 ##

非平衡样本的定义  
在分类问题中，每种类别的出现概率未必均衡  
例：

*  信用风险: 正常用户远多于逾期/违约用户
 *  流失风险: 留存客户多于流失客户

非平衡样本的隐患

*  降低对少类样本的灵敏性

**非平衡样本的解决方案**  
过采样（对数据采集过多）

*  优点: 简单，对数据质量要求不高 （注意总结下各个算法对数据的要求）
 *  缺点: 过拟合

欠采样 （对数据采集过少）

*  优点: 简单，对数据质量要求不高
 *  缺点: 丢失重要信息

SMOTE(合成少数过采样技术)

*  优点: 不易过拟合，保留信息
 *  缺点: 不能对有缺失值和类别变量做处理

## 6、数据预处理 ##

**数据格式的处理原始数据带有一定的格式，需要转换成正确的格式。**  
例如：  
利率

*  带%的百分比，需要转化成浮点数

日期

*  Nov-17，需要转化为python的时间

工作年限

*  “<1 year”转化成0，“>10years”转化成11

**文本类的数据的处理方式**

> 主题提取（NPL）  
> 优点：提取准确、详细的信息，对风险的评估非帝有效  
> 缺点：NPL的模型较为复杂，且需要足够多的训练样本  
> 编码  
> 优点：简单  
> 简单缺点：信息丢失很高

**缺失值的处理**  
缺失在数据分析的工作是频繁出现的。  
缺失的种类

*  完全随机缺失
 *  随机缺失
 *  完全非随机缺失

处理的方法

*  补缺（平均值、或依据变量间的关系补充）
 *  作为一种状态
 *  删除记录或变量

## 7、构建特征 ##

常用的特征衍生

*  计数：过去1年内申请贷款的总次数（手机联系人数量、通话记录来推断这个人的一些信息：如通话记录多联系人多则证明这个人搞业务的）
 *  求和：过去1年内的网店消费总额
 *  比例：贷款申请额度与年收入的占比
 *  时间差：第一次开户距今时长
 *  波动率：过去3年内每份工作的时间的标准差

## 8、特征分箱（是对每一个特征进行分箱） ##

特征的分箱（为什么要分箱）  
**分箱的定义**  
将连续变量离散化（将连续的变量分为多个离散的类别将特征分类别即收入1000-5000之间为一箱即一个类别）  
将多状态的离散变量合并成少状态（尽可能的减小类别的数量）  
**分箱的重要性**

*  稳定性：避免特征中无意义的波动对评分带来的波动（如工资的浮动增减）
 *  健壮性：避免了极端值的影响

**分箱的优势**

*  可以将缺失作为独立的一个箱带入模型中
 *  将所有变量变换到相似的尺度上

**分箱的限制**

*  计算量大
 *  分箱后需要编码  
    ![在这里插入图片描述][watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3FxXzE2NjMzNDA1_size_16_color_FFFFFF_t_70_pic_center]

# 总结 #

后续会详细的介绍各种分箱的方法对应的原理，以及特征筛选对应的方法及原理等相关内容。争取把数据挖掘流程中常用的方法做一个统一的整理。  
对应的代码详见：  
[https://github.com/645187919/financial\_score\_card][https_github.com_645187919_financial_score_card]

[https_blog.csdn.net_qq_16633405_article_details_107744921]: https://blog.csdn.net/qq_16633405/article/details/107744921
[watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3FxXzE2NjMzNDA1_size_16_color_FFFFFF_t_70_pic_center]: /images/20221124/f778dda52b9144cd88ff55f4303bd6e7.png
[https_github.com_645187919_financial_score_card]: https://github.com/645187919/financial_score_card