前言：

本篇文章上接《申請(qǐng)?jiān)u分卡簡介》，有需要的童鞋可以參考下：https://blog.csdn.net/qq_16633405/article/details/107744921

下面介紹下A卡的開發(fā)步驟。

開發(fā)過程

1、評(píng)分卡模型開發(fā)步驟：

1、立項(xiàng)：場(chǎng)景（營銷、信貸領(lǐng)域）、對(duì)象（個(gè)人、賬戶、公司）、目的（程度決策、流失預(yù)警、反欺詐等等）
2、數(shù)據(jù)的準(zhǔn)備與預(yù)處理（賬戶，客戶，內(nèi)部外部數(shù)據(jù)）
3、建模的構(gòu)建（邏輯回歸VS機(jī)器學(xué)習(xí)，單一模型VS 集成模型）
4、模型評(píng)估（區(qū)分度，預(yù)測(cè)性，穩(wěn)定性）
5、驗(yàn)證（是否有計(jì)算錯(cuò)誤，邏輯錯(cuò)誤，業(yè)務(wù)錯(cuò)誤）
6、部署（從開發(fā)環(huán)境到生產(chǎn)環(huán)境、容量、并發(fā)度）
7、監(jiān)控（性能是否減弱，是否需要重新訓(xùn)練等）

2、申請(qǐng)?jiān)u分卡常用的模型

邏輯回歸
優(yōu)點(diǎn)：簡單，穩(wěn)定，可解釋，技術(shù)成熟，易于監(jiān)測(cè)和部署
缺點(diǎn)：準(zhǔn)確度不高
決策樹
優(yōu)點(diǎn)：對(duì)數(shù)據(jù)質(zhì)量要求低，易解釋
缺點(diǎn)：準(zhǔn)確度不高
其他元模型
組合模型
優(yōu)點(diǎn)：準(zhǔn)確度高，不易過擬合
缺點(diǎn)：不易解釋；部署困難；計(jì)算量大

3、貸款申請(qǐng)環(huán)節(jié)的數(shù)據(jù)介紹和描述

申請(qǐng)?jiān)u分卡常用的特征
1、個(gè)人信息 ：學(xué)歷（核查學(xué)歷） 性別 收入（流水、社保、公積金來側(cè)面查看）
2、負(fù)債信息 ：在本金融機(jī)構(gòu)或者其他金融機(jī)構(gòu)負(fù)債情況 （在房貸、信用卡領(lǐng)域應(yīng)用較多）
3、消費(fèi)能力 ：商品購買紀(jì)錄，出境游，奢侈品消費(fèi) （）
4、歷史信用記錄 ：歷史逾期行為 （第三方接口查看）
5、新興數(shù)據(jù)： 人際社交 網(wǎng)絡(luò)足跡 出行 個(gè)人財(cái)務(wù)（人際社交：通過與老賴的關(guān)系來判斷他的人品（即還款意愿）；出行：通過看這個(gè)人的出行交通工具判斷這個(gè)人的經(jīng)濟(jì)能力（還款能力））
1、4可以看出還款意愿；2、3可以看出還款能力。還款意愿*還款能力=評(píng)分卡分?jǐn)?shù)等級(jí)

4、A卡用到的字段介紹

字段名稱

member_id	ID
loan_amnt	申請(qǐng)額度
term	產(chǎn)品期限
int_rate	利率
emp_length	工作期限
home_ownership	是否有自有住宅
annual_inc	年收入
verification_status	收入核驗(yàn)狀態(tài)
desc	描述
purpose	貸款目的
title	貸款目的描述
zip_code	聯(lián)系地址郵政編碼
addr_state	聯(lián)系地址所屬州
delinq_2yrs	申貸日期前2年逾期次數(shù)
inq_last_6mths	申請(qǐng)日前6個(gè)月咨詢次數(shù)
mths_since_last_delinq	上次逾期距今月份數(shù)
mths_since_last_record	上次登記公眾記錄距今的月份數(shù)
open_acc	征信局中記錄的信用產(chǎn)品數(shù)
pub_rec	公眾不良記錄數(shù)
total_acc	正在使用的信用產(chǎn)品數(shù)
pub_rec_bankruptcies	公眾破產(chǎn)記錄數(shù)
earliest_cr_line	第一次借貸時(shí)間
loan_status	貸款狀態(tài)—目標(biāo)變量

5、非平衡樣本問題的定義和解決方法

非平衡樣本的定義
在分類問題中，每種類別的出現(xiàn)概率未必均衡
例：

• 信用風(fēng)險(xiǎn): 正常用戶遠(yuǎn)多于逾期/違約用戶
• 流失風(fēng)險(xiǎn): 留存客戶多于流失客戶

非平衡樣本的隱患

• 降低對(duì)少類樣本的靈敏性

非平衡樣本的解決方案
過采樣（對(duì)數(shù)據(jù)采集過多）

• 優(yōu)點(diǎn): 簡單，對(duì)數(shù)據(jù)質(zhì)量要求不高 （注意總結(jié)下各個(gè)算法對(duì)數(shù)據(jù)的要求）
• 缺點(diǎn): 過擬合

欠采樣 （對(duì)數(shù)據(jù)采集過少）

• 優(yōu)點(diǎn): 簡單，對(duì)數(shù)據(jù)質(zhì)量要求不高
• 缺點(diǎn): 丟失重要信息

SMOTE(合成少數(shù)過采樣技術(shù))

• 優(yōu)點(diǎn): 不易過擬合，保留信息
• 缺點(diǎn): 不能對(duì)有缺失值和類別變量做處理

6、數(shù)據(jù)預(yù)處理

數(shù)據(jù)格式的處理原始數(shù)據(jù)帶有一定的格式，需要轉(zhuǎn)換成正確的格式。
例如：
利率

• 帶%的百分比，需要轉(zhuǎn)化成浮點(diǎn)數(shù)

日期

• Nov-17，需要轉(zhuǎn)化為python的時(shí)間

工作年限

• “<1 year”轉(zhuǎn)化成0，“>10years”轉(zhuǎn)化成11

文本類的數(shù)據(jù)的處理方式

主題提取（NPL）
優(yōu)點(diǎn)：提取準(zhǔn)確、詳細(xì)的信息，對(duì)風(fēng)險(xiǎn)的評(píng)估非帝有效
缺點(diǎn)：NPL的模型較為復(fù)雜，且需要足夠多的訓(xùn)練樣本
編碼
優(yōu)點(diǎn)：簡單
簡單缺點(diǎn)：信息丟失很高

缺失值的處理
缺失在數(shù)據(jù)分析的工作是頻繁出現(xiàn)的。
缺失的種類

• 完全隨機(jī)缺失
• 隨機(jī)缺失
• 完全非隨機(jī)缺失

處理的方法

• 補(bǔ)缺（平均值、或依據(jù)變量間的關(guān)系補(bǔ)充）
• 作為一種狀態(tài)
• 刪除記錄或變量

7、構(gòu)建特征

常用的特征衍生

• 計(jì)數(shù)：過去1年內(nèi)申請(qǐng)貸款的總次數(shù)（手機(jī)聯(lián)系人數(shù)量、通話記錄來推斷這個(gè)人的一些信息：如通話記錄多聯(lián)系人多則證明這個(gè)人搞業(yè)務(wù)的）
• 求和：過去1年內(nèi)的網(wǎng)店消費(fèi)總額
• 比例：貸款申請(qǐng)額度與年收入的占比
• 時(shí)間差：第一次開戶距今時(shí)長
• 波動(dòng)率：過去3年內(nèi)每份工作的時(shí)間的標(biāo)準(zhǔn)差

8、特征分箱（是對(duì)每一個(gè)特征進(jìn)行分箱）

特征的分箱（為什么要分箱）
分箱的定義
將連續(xù)變量離散化（將連續(xù)的變量分為多個(gè)離散的類別將特征分類別即收入1000-5000之間為一箱即一個(gè)類別）
將多狀態(tài)的離散變量合并成少狀態(tài)（盡可能的減小類別的數(shù)量）
分箱的重要性

• 穩(wěn)定性：避免特征中無意義的波動(dòng)對(duì)評(píng)分帶來的波動(dòng)（如工資的浮動(dòng)增減）
• 健壯性：避免了極端值的影響

分箱的優(yōu)勢(shì)

• 可以將缺失作為獨(dú)立的一個(gè)箱帶入模型中
• 將所有變量變換到相似的尺度上

分箱的限制

• 計(jì)算量大
• 分箱后需要編碼
  

總結(jié)

后續(xù)會(huì)詳細(xì)的介紹各種分箱的方法對(duì)應(yīng)的原理，以及特征篩選對(duì)應(yīng)的方法及原理等相關(guān)內(nèi)容。爭取把數(shù)據(jù)挖掘流程中常用的方法做一個(gè)統(tǒng)一的整理。
對(duì)應(yīng)的代碼詳見：
https://github.com/645187919/financial_score_card

總結(jié)

以上是生活随笔為你收集整理的申请评分卡（A卡）的开发过程（1）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。