kaggle-制作评分卡

标签：分数   森林   划分数   blank   离散化   core   异常   逻辑   缺失值   

https://blog.csdn.net/zpxcod007/article/details/80118580

制作A卡，申请评分卡

数据集：15万个样本，特征

主要预处理手段：缺失值，异常值，样本不平衡的处理，划分数据集，做分箱处理（离散化），将样本的每个特征都映射到WOE空间

之后建模，这里采用：逻辑回归，决策树和随机森林建模，在auc-roc指标上，随机森林表现最优秀，这里选取了随机森林做后续的制作评分卡（利用得到变量系数并自行拟定了评分标准建立了评分卡。）。

建立评分卡：

以上论文资料得到：

a=log（p_good/P_bad）

Score = offset + factor * log(odds)

在建立标准评分卡之前，我们需要选取几个评分卡参数：基础分值、 PDO（比率翻倍的分值）和好坏比。 这里， 我们取600分为基础分值，PDO为20 （每高20分好坏比翻一倍），好坏比取20。

kaggle-制作评分卡

标签：分数   森林   划分数   blank   离散化   core   异常   逻辑   缺失值   

原文地址：https://www.cnblogs.com/ivyharding/p/11505071.html