模型開發(fā)步驟
- 業(yè)務和風險定義
- 數(shù)據(jù)準備與預處理
來源：自有數(shù)據(jù)和第三方數(shù)據(jù) - 模型構建
確定觀察點、觀察期和表現(xiàn)期，選擇特征建模。 - 模型評估
準備測試集進行驗證。
評估標準：
ROC:評估模型區(qū)分能力，越高越好，說明好壞樣本區(qū)分得越開。
AR:評估模型分類的準確度，越高準確度越好，由TPR+FPR組成。
AIC:評估模型的擬合狀態(tài)，越低擬合得越好。 - 模型部署
模型替換。 - 模型監(jiān)控
跟蹤模型各項性能。
評分卡常用模型
- 邏輯回歸
優(yōu)點: 簡單,穩(wěn)定,可解釋,技術成熟,易于監(jiān)測和部署
缺點:準確度不高 - 決策樹
優(yōu)點: 對數(shù)據(jù)質(zhì)量要求低,易解釋
缺點:準確度不高 - 組合模型
優(yōu)點: 準確度高,不易過擬合
缺點:不易解釋;部署困難;計算量大
