Python数据科学

Lift（提升度）是评估模型或者规则是否有效的一个度量指标，它表示模型或规则对于目标用户的预测能力相对于随机预测的提升程度（倍数）。Lift提升度最初是应用在营销场景中的，举个例子，比如现在我们给100个客户营销，其中有10个响应，那么响应率就是10%，这是我们不使用任何手段的条件下随机营销的结果。对于这个结果公司可能不满意，于是针对该场景开发了营销响应模型，通过模型的预测结果进行营销。现在使用模型预测结果对其它条件相同的100个客户营销，发现有30个客户响应，那么响应率就是30%。

风控策略开发上线后并不是一成不变的，它会受业务目标、市场变化、数据质量效果等很多方面的影响，比如：业务不同发展阶段下会有不同的业务目标，策略需跟随调整；客群质量变好或者变差，策略需进行放松或收紧的调整；监管政策变化，比如要求定价不得高于24%，策略需要调整；数据下线或者效果衰减，策略需进行下线或者替换的调整；所以策略是需要不断调整优化的。简单理解，策略调优就是根据当前最新的变化对现有策略所做出的调整，以适应最新的变化。这个变化可能来自业务、市场、产品、数据、技术等可能影响策略的各种因素。

KS（Kolmogorov-Smirnov）统计量由两位苏联数学家A.N.Kolmogorov和N.V.Smirnov提出。在风控中，KS常用于评估模型或者变量的区分度，业内通用的定义为：好坏客户累积分布差异的最大值。

一文搞懂风控的 “贷中支用策略”

Vintage加工逻辑拆解+Python代码实操

什么是迁徙率呢？我们说，一个账户现在处于某一逾期状态（比如M1），一个月后，这个账户要么从良为M0状态，要么恶化为更坏的下一个逾期状态M2。迁徙率表示上一个阶段有多少比例的逾期金额会向下一个逾期阶段继续转化，它描述了逾期状态向后恶化的程度。一般用 M(n-1)-M(n) 的形式表示，例如：M0-M1 = 当月进入M1的贷款余额 / 上月末M0的贷款余额M1-M2 = 当月进入M2的贷款余额 / 上月末M1的贷款余额。

大家好，我是帅东哥。原创系列持续更新，欢迎微信搜一搜「 Python数据科学」阅读机器学习系列文章。最近在kaggle上有一个调参神器非常热门，在top方案中频频出现，它就是OPTUNA。知道很多小伙伴苦恼于漫长的调参时间里，这次结合一些自己的经验，给大家带来一个LGBM模型+OPTUNA调参的使用教程，这对可谓是非常实用且容易上分的神器组合了，实际工作中也可使用。关于LightGBM不多说了，之前分享过很多文章，它是在XGBoost基础上对效率提升的优化版本，由微软发布的，运行效率极高，且准确度不降

大家好，我是东哥。信贷风控领域中，经常用到账龄Vintage报表，这是入门初学者的难点之一，因为它涉及到用户还款、逾期等多种行为以及业务上的多种统计口径，因此很多朋友一直无法将逻辑梳理清楚。本次来给大家详细介绍Vintage报表的底层计算逻辑是什么样的。出品人：东哥起飞原创：👉原创大数据风控课程《

上一篇我们介绍了决策树节点信息更新的方法，以辅助我们制定风控规则，可视化的方法比较直观，适合做报告展示，但分析的时候效果没那么高。本篇我们介绍一种通过决策树自动挖掘规则的方法。出品人：东哥起飞原创：👉原创大数据风控课程更新100期以上。

上一篇我们介绍了如何通过交叉表来生成规则，本篇我们来介绍一种可以生成多规则的方法，决策树。除了做模型以外，也可以用来挖掘规则，原理是一样的。下面通过sklearn的决策树方法来实现风控规则的发现，同时分享一种可以更新决策树节点信息的方法，以辅助制定风控规则。出品人：东哥起飞原创：👉原创大数据风控课程《

大家好，我是东哥。本篇继续分享风控的内容，关于如何用python实现vintage报表及可视化图的实战。账龄分析(vintage)是风控中非常重要的报表之一，通过它可以将不同月份的资产数据拉齐对比贷后表现，也可以用于指导制定风控模型Y标签的成熟表现期。那么账龄分析是如何做的呢？账龄分析需要客户的还款计划表数据，即客户历史的还款记录，包括放款金额、每期到期日期、每期还款日期、每期应该金额、每期实还金额、期数等等。基于这些数据就可以做出vintage报表，以及相应的可视化图。

大家好，我是东哥。规则是风控策略中最常用的工具之一，生成、筛选、监控、调优，几乎每天都在打交道，本篇来介绍如何基于交叉表来生成风控规则，并且如何基于评估指标进行筛选。出品人：东哥起飞专栏：《

大家好，我是东哥。在信贷的风控模型中最常用、最经典的可能要属评分卡了，所谓评分卡就是给信贷客户进行打分，按照不同业务场景可为贷前、贷中、贷后和反欺诈，一般叫做ABCF卡。模型得到分数，通过设置cutoff阈值给出评估结果，结果可直接用于通过或拒绝，或者用于策略应用。区别于xgb等机器学习模型，评分卡使用逻辑回归，之所是还在使用时因为它属于广义线性回归，在特征的解释性上非常的强。本次和大家分享一个开源的评分卡神器toad。从数据探索、特征分箱、特征筛选、特征WOE变换、建模、模型评估、转换分数，都做了完