背景

如果你是做互聯(lián)網(wǎng)金融的，那么一定聽說過評(píng)分卡。評(píng)分卡是信用風(fēng)險(xiǎn)評(píng)估領(lǐng)域常用的建模方法，評(píng)分卡并不簡單對(duì)應(yīng)于某一種機(jī)器學(xué)習(xí)算法，而是一種通用的建模框架，將原始數(shù)據(jù)通過分箱后進(jìn)行特征工程變換，繼而應(yīng)用于線性模型進(jìn)行建模的一種方法。

評(píng)分卡建模理論常被用于各種信用評(píng)估領(lǐng)域，比如信用卡風(fēng)險(xiǎn)評(píng)估、貸款發(fā)放等業(yè)務(wù)。另外，在其它領(lǐng)域評(píng)分卡常被用來作為分?jǐn)?shù)評(píng)估，比如常見的客服質(zhì)量打分、芝麻信用分打分等等。在本文中，我們將通過一個(gè)案例為大家講解如何通過PAI平臺(tái)的金融板塊組件，搭建出一套評(píng)分卡建模方案。

本實(shí)驗(yàn)案例可在機(jī)器學(xué)習(xí)PAI平臺(tái)使用，包含整個(gè)實(shí)驗(yàn)流程和數(shù)據(jù)：

數(shù)據(jù)集介紹

這是一份國外某機(jī)構(gòu)開源的數(shù)據(jù)集，數(shù)據(jù)的內(nèi)容包括每個(gè)用戶的一些性別、教育、婚姻、年齡等屬性，同時(shí)也包含用戶過去一段時(shí)間的信用卡消費(fèi)情況和賬單情況。payment_next_month是目標(biāo)隊(duì)列，表示用戶是否償還信用卡賬單，1表示償還，0表示沒有償還。

數(shù)據(jù)供30000條。
數(shù)據(jù)集下載地址：https://www.kaggle.com/uciml/default-of-credit-card-clients-dataset

實(shí)驗(yàn)流程

先來看下實(shí)驗(yàn)圖:

現(xiàn)在對(duì)一些關(guān)鍵節(jié)點(diǎn)進(jìn)行介紹：

（1）拆分

將輸入數(shù)據(jù)集分為兩部分，一部分用來訓(xùn)練模型，另一部分用來預(yù)測(cè)評(píng)估。

（2）分箱

分箱組件類似于onehot編碼，可以將數(shù)據(jù)按照分布映射成更高維度的特征。我們以age這個(gè)字段為例，分箱組件可以按照數(shù)據(jù)在不同區(qū)間的分布進(jìn)行分享操作，分箱結(jié)果如圖：

最終分箱組件的輸出如圖，每個(gè)字段都被分箱到多個(gè)區(qū)間上：

（3）樣本穩(wěn)定指數(shù)PSI

樣本穩(wěn)定指數(shù)是衡量樣本變化所產(chǎn)生的偏移量的一種重要指標(biāo)，通常用來衡量樣本的穩(wěn)定程度，比如樣本在兩個(gè)月份之間的變化是否穩(wěn)定。通常變量的PSI值在0.1以下表示變化不太顯著，在0.1到0.25之間表示有比較顯著的變化，大于0.25表示變量變化比較劇烈，需要特殊關(guān)注。

本案例中，可以綜合比較拆分前后以及分箱結(jié)果的樣本穩(wěn)定程度，返回每個(gè)特征的PSI數(shù)值：

（4）評(píng)分卡訓(xùn)練

評(píng)分卡訓(xùn)練的結(jié)果圖如下:

評(píng)分卡的精髓是將復(fù)雜的比較難理解的一些模型權(quán)重用符合業(yè)務(wù)標(biāo)準(zhǔn)的分?jǐn)?shù)表示。

• intercepy表示的是截距
• Unscaled是原始的權(quán)重值
• Scaled是分?jǐn)?shù)更改指標(biāo)，比如對(duì)于pay_0這個(gè)特征，如果特征落在(-1,0]之間分?jǐn)?shù)就減29，如果特征落在（0，1]之間分?jǐn)?shù)就加上27.
• importance表示每個(gè)特征對(duì)于結(jié)果的影響大小，數(shù)值越大表示影響越大

（5）評(píng)分卡預(yù)測(cè)

展示每個(gè)預(yù)測(cè)結(jié)果的最終評(píng)分，在本案例中表示的是每個(gè)用戶的信用評(píng)分。

結(jié)論

基于用戶的信用卡消費(fèi)記錄，最終通過評(píng)分卡模型的訓(xùn)練，我們?cè)谠u(píng)分卡預(yù)測(cè)中可以拿到每個(gè)用戶的最終信用評(píng)分，這個(gè)評(píng)分可以應(yīng)用到其它的各種貸款或者金融相關(guān)的征信領(lǐng)域中去。

體驗(yàn)產(chǎn)品：阿里云數(shù)加機(jī)器學(xué)習(xí)平臺(tái)

作者微信公眾號(hào)(與作者討論)：

總結(jié)

以上是生活随笔為你收集整理的【机器学习PAI实践十二】机器学习算法基于信用卡消费记录做信用评分的全部內(nèi)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(wǎng)站內(nèi)容還不錯(cuò)，歡迎將生活随笔推薦給好友。