Python评分卡模型入门

一、开篇故事：小白的困惑与突破

看到同事们在讨论“AUC”、“KS值”、“WOE编码”时，小李完全懵了。领导让他研究评分卡模型，他打开一篇技术文章，满屏的数学公式和代码让他头皮发麻。

“我是不是不适合做风控？” 小李差点打了退堂鼓。

但三个月后，小李不仅独立完成了第一个评分卡模型，还成功应用到实际业务中，将审批通过率提升了15%。

二、评分卡到底是什么？一句话讲明白

想象一下你去银行申请信用卡，银行怎么判断该不该批卡？

评分卡就是银行的“智能打分器”：

• • 你的年龄：+10分
• • 你的收入：+30分
• • 你的负债：-20分
• • 你的信用记录：+25分

总分 = 各特征得分相加

如果总分超过600分，通过；低于550分，拒绝；中间的需要人工审核。

就这么简单！评分卡本质上就是一个打分系统，把客户的各个特征转换成分数，然后加起来得到一个总分，根据总分做决策。

三、环境准备：5分钟搞定Python配置

很多小白卡在了第一步——环境安装。别怕，跟着我做：

3.1 最简单的安装方式：Anaconda

1. 1. 下载安装：去Anaconda官网（https://www.anaconda.com/）下载安装包，就像安装QQ一样简单
2. 2. 打开Jupyter Notebook：

   # 在开始菜单找到并打开 Anaconda Navigator# 点击 Jupyter Notebook 的 Launch 按钮

3. 3. 新建Python文件：
• • 点击右上角 New → Python 3
• • 看到代码输入框了吗？恭喜，环境搞定！

3.2 安装必要的库

在Jupyter的第一个单元格中输入并运行：

# 运行这个单元格：点击单元格，按 Shift+Enter!pip install pandas numpy matplotlib scikit-learn --user

看到“Successfully installed”就成功了！

四、实战开始：一步步构建你的第一个评分卡

4.1 数据准备：模拟一份最简单的信贷数据

我们先不用复杂的数据，自己创建一个简单的数据集：

import pandas as pdimport numpy as npimport matplotlib.pyplot as plt# 设置中文显示plt.rcParams['font.sans-serif'] = ['SimHei']  # 用来正常显示中文标签plt.rcParams['axes.unicode_minus'] = False# 用来正常显示负号# 创建1000个虚拟客户数据np.random.seed(42)  # 固定随机种子，确保结果可重复data = {'客户ID': range(1, 1001),'年龄': np.random.randint(20, 60, 1000),'月收入(元)': np.random.randint(3000, 30000, 1000),'信用卡数量': np.random.randint(0, 6, 1000),'是否有房贷': np.random.choice([0, 1], 1000, p=[0.7, 0.3]),  # 0=无，1=有'历史逾期次数': np.random.randint(0, 4, 1000),'是否违约': np.random.choice([0, 1], 1000, p=[0.85, 0.15])  # 0=好客户，1=坏客户}# 创建DataFrame（可以理解为Excel表格）df = pd.DataFrame(data)print("数据预览：")print(df.head())  # 显示前5行print(f"\n数据形状：{df.shape}")  # (行数, 列数)print(f"违约率：{df['是否违约'].mean():.1%}")  # 计算违约比例

运行后你会看到：

   客户ID  年龄  月收入(元)  信用卡数量  是否有房贷  历史逾期次数  是否违约0      1  35     15000         2         0           0        01      2  28      8000         1         0           1        02      3  45     25000         3         1           0        13      4  52     18000         0         0           2        04      5  31     22000         2         1           1        1数据形状：(1000, 7)违约率：15.1%

看！你已经创建了1000个虚拟客户数据，有年龄、收入、信用记录，还有是否违约的标签。

4.2 数据探索：像侦探一样发现规律

建模前要先了解数据，这是最重要的一步：

# 1. 基本信息查看print("数据基本信息：")print(df.info())print("\n数值型统计信息：")print(df.describe())# 2. 可视化探索fig, axes = plt.subplots(2, 3, figsize=(15, 10))# 年龄分布axes[0, 0].hist(df['年龄'], bins=20, color='skyblue', edgecolor='black')axes[0, 0].set_xlabel('年龄')axes[0, 0].set_ylabel('人数')axes[0, 0].set_title('年龄分布')# 收入分布axes[0, 1].hist(df['月收入(元)'], bins=20, color='lightgreen', edgecolor='black')axes[0, 1].set_xlabel('月收入(元)')axes[0, 1].set_title('收入分布')# 违约情况default_counts = df['是否违约'].value_counts()axes[0, 2].pie(default_counts.values, labels=['好客户', '坏客户'],                autopct='%1.1f%%', colors=['lightblue', 'lightcoral'])axes[0, 2].set_title('好坏客户比例')# 年龄 vs 违约率age_groups = pd.cut(df['年龄'], bins=[20, 30, 40, 50, 60])default_by_age = df.groupby(age_groups)['是否违约'].mean()axes[1, 0].bar(range(len(default_by_age)), default_by_age.values,                color='orange', tick_label=default_by_age.index.astype(str))axes[1, 0].set_xlabel('年龄段')axes[1, 0].set_ylabel('违约率')axes[1, 0].set_title('各年龄段违约率')# 收入 vs 违约率income_groups = pd.cut(df['月收入(元)'], bins=[3000, 10000, 20000, 30000])default_by_income = df.groupby(income_groups)['是否违约'].mean()axes[1, 1].bar(range(len(default_by_income)), default_by_income.values,               color='purple', tick_label=default_by_income.index.astype(str))axes[1, 1].set_xlabel('收入段')axes[1, 1].set_ylabel('违约率')axes[1, 1].set_title('各收入段违约率')# 逾期次数 vs 违约率default_by_overdue = df.groupby('历史逾期次数')['是否违约'].mean()axes[1, 2].plot(default_by_overdue.index, default_by_income.values, 'ro-', linewidth=2, markersize=8)axes[1, 2].set_xlabel('历史逾期次数')axes[1, 2].set_ylabel('违约率')axes[1, 2].set_title('逾期次数与违约率关系')axes[1, 2].grid(True, alpha=0.3)plt.tight_layout()plt.show()

运行代码后，你会看到6张图表。发现了什么规律？

• • 年龄大的违约率更高还是更低？
• • 收入高的客户更安全吗？
• • 逾期次数越多，违约率是不是越高？

这就是数据探索的魅力——用数据说话，而不是凭感觉！

4.3 特征工程：把原始数据变成模型能懂的语言

原始数据不能直接扔给模型，需要先“翻译”一下：

# 1. 处理缺失值（我们的数据没有缺失，但实际数据常有缺失）print("检查缺失值：")print(df.isnull().sum())# 2. 创建新特征 - 这是加分项！# 负债收入比（假设每个信用卡负债5000元）df['总负债'] = df['信用卡数量'] * 5000 + df['是否有房贷'] * 500000df['负债收入比'] = df['总负债'] / df['月收入(元)']# 3. 异常值处理 - 比如收入为0或负数# 这里我们假设收入大于3000，已经处理过了# 4. 特征选择 - 选择对预测违约有用的特征features = ['年龄', '月收入(元)', '信用卡数量', '是否有房贷', '历史逾期次数', '负债收入比']target = '是否违约'X = df[features]  # 特征矩阵y = df[target]    # 目标变量print("\n特征矩阵形状：", X.shape)print("前5行特征：")print(X.head())

4.4 模型训练：三行代码构建评分卡模型

激动人心的时刻来了！我们用逻辑回归模型（评分卡最常用的模型）：

from sklearn.model_selection import train_test_splitfrom sklearn.linear_model import LogisticRegressionfrom sklearn.metrics import accuracy_score, roc_auc_score# 1. 划分训练集和测试集（80%训练，20%测试）X_train, X_test, y_train, y_test = train_test_split(    X, y, test_size=0.2, random_state=42, stratify=y)print(f"训练集大小：{X_train.shape}")print(f"测试集大小：{X_test.shape}")print(f"训练集违约率：{y_train.mean():.1%}")print(f"测试集违约率：{y_test.mean():.1%}")# 2. 训练模型 - 就三行代码！model = LogisticRegression(random_state=42, max_iter=1000)model.fit(X_train, y_train)print("\n模型训练完成！")print(f"模型参数：{model.coef_}")print(f"模型截距：{model.intercept_}")

4.5 模型评估：你的模型靠谱吗？

模型训练好了，怎么知道它好不好？

# 1. 在测试集上预测y_pred = model.predict(X_test)y_pred_proba = model.predict_proba(X_test)[:, 1]  # 预测为违约的概率# 2. 计算准确率accuracy = accuracy_score(y_test, y_pred)print(f"模型准确率：{accuracy:.2%}")# 3. 计算AUC（风控最重要的指标之一）auc = roc_auc_score(y_test, y_pred_proba)print(f"AUC值：{auc:.4f}")# 4. 制作混淆矩阵from sklearn.metrics import confusion_matrix, ConfusionMatrixDisplaycm = confusion_matrix(y_test, y_pred)disp = ConfusionMatrixDisplay(confusion_matrix=cm,                               display_labels=['好客户', '坏客户'])disp.plot(cmap='Blues')plt.title('混淆矩阵')plt.show()# 5. 特征重要性分析feature_importance = pd.DataFrame({'特征': features,'系数绝对值': np.abs(model.coef_[0])}).sort_values('系数绝对值', ascending=False)print("\n特征重要性排序：")print(feature_importance)

重点理解：

• • 准确率：模型预测正确的比例
• • AUC：衡量模型区分好坏客户的能力，0.5是瞎猜，1是完美，0.7以上就不错了
• • 混淆矩阵：看模型在哪里犯错

4.6 模型解释：为什么这个客户被拒绝了？

评分卡最大的优点就是可解释性：

# 1. 查看一个具体客户的预测sample_customer = X_test.iloc[0:1]  # 取第一个测试客户print("客户特征：")print(sample_customer)# 预测概率prob = model.predict_proba(sample_customer)[0, 1]print(f"\n该客户违约概率：{prob:.1%}")# 2. 计算每个特征的贡献分coefficients = model.coef_[0]intercept = model.intercept_[0]# 逻辑回归的原始公式：z = b0 + b1*x1 + b2*x2 + ...customer_values = sample_customer.values[0]z = intercept + np.sum(coefficients * customer_values)# 转换为概率：p = 1 / (1 + e^(-z))probability = 1 / (1 + np.exp(-z))print(f"\n计算过程验证：")print(f"线性组合 z = {z:.4f}")print(f"转换后概率 = {probability:.4f}")# 3. 可视化特征贡献contributions = coefficients * customer_valuestotal = intercept + np.sum(contributions)plt.figure(figsize=(10, 6))bars = plt.barh(range(len(features)), contributions)plt.yticks(range(len(features)), features)plt.xlabel('特征贡献值')plt.title('各特征对评分的影响')plt.axvline(x=0, color='black', linestyle='-', linewidth=0.5)# 标记正负贡献for i, (bar, val) inenumerate(zip(bars, contributions)):    color = 'green'if val > 0else'red'    bar.set_color(color)plt.tight_layout()plt.show()print("\n业务解读：")for i, feature inenumerate(features):    contribution = contributions[i]    direction = "加分"if contribution < 0else"减分"# 注意：负系数表示降低违约概率print(f"{feature}: {contribution:.4f} ({direction})")

看明白了吗？模型不仅能预测，还能告诉我们为什么：

• • 哪些特征让客户加分（降低违约概率）
• • 哪些特征让客户减分（增加违约概率）

这就是评分卡在金融风控中不可替代的原因——透明、可解释、符合业务逻辑。

4.7 评分转换：把概率变成业务熟悉的分数

银行同事不懂概率，但懂分数。我们来把概率转换成600-850的评分：

defprobability_to_score(prob, base_score=600, pdo=50, base_odds=50):"""    将概率转换为评分卡分数    参数：    prob: 违约概率    base_score: 基准分（当好坏比为base_odds:1时的分数）    pdo: Points to Double the Odds（好坏比翻倍所需的分数）    base_odds: 基准好坏比    公式：Score = base_score + pdo * log2(Odds / base_odds)    """    odds = (1 - prob) / (prob + 1e-10)  # 避免除零    score = base_score + pdo * np.log2(odds / base_odds)return score# 为所有客户计算分数df['违约概率'] = model.predict_proba(X)[:, 1]df['评分'] = df['违约概率'].apply(lambda p: probability_to_score(p))# 分数分布分析plt.figure(figsize=(12, 5))plt.subplot(1, 2, 1)plt.hist(df['评分'], bins=30, color='skyblue', edgecolor='black', alpha=0.7)plt.xlabel('评分')plt.ylabel('人数')plt.title('评分分布')plt.grid(True, alpha=0.3)plt.subplot(1, 2, 2)# 按评分分组看违约率df['评分分组'] = pd.cut(df['评分'], bins=10)default_by_score = df.groupby('评分分组')['是否违约'].mean()plt.bar(range(len(default_by_score)), default_by_score.values,         color='orange', alpha=0.7)plt.xticks(range(len(default_by_score)),            [str(x) for x in default_by_score.index], rotation=45)plt.xlabel('评分分组')plt.ylabel('违约率')plt.title('不同评分的违约率')plt.grid(True, alpha=0.3)plt.tight_layout()plt.show()# 设定决策阈值print("\n基于评分的决策规则：")print("="*50)for threshold in [550, 600, 650, 700]:    approve_rate = (df['评分'] >= threshold).mean()    default_rate = df[df['评分'] >= threshold]['是否违约'].mean()print(f"如果批准评分≥{threshold}的客户：")print(f"  - 批准率：{approve_rate:.1%}")print(f"  - 批准客户的违约率：{default_rate:.1%}")print()

现在，你有了一个完整的评分系统：

• • 低分客户（<550分）：高风险，建议拒绝
• • 中分客户（550-650分）：中等风险，需要人工审核
• • 高分客户（>650分）：低风险，自动批准

五、避坑指南：新手常犯的5个错误

在我带新人的过程中，发现大家常犯这些错误：

错误1：不看数据直接建模

正确做法：先花70%的时间做数据探索和理解

错误2：过度追求复杂模型

新手建议：从逻辑回归开始，它简单、可解释、效果不错

错误3：忽略业务常识

记住：月收入500万的客户和年龄120岁的客户，大概率是数据错误

错误4：不做特征工程

技巧：创造"负债收入比"这样的业务特征，往往比原始特征更有效

错误5：不在测试集上验证

黄金法则：永远用没见过的数据（测试集）评估模型

六、下一步学习路径

恭喜！你已经完成了第一个评分卡模型。接下来可以：

1. 本周内：夯实基础

• • 用不同的随机种子重新运行代码，观察变化
• • 尝试调整逻辑回归的参数（如C值）
• • 添加更多特征，观察模型变化

2. 一个月内：进阶学习

• • 学习WOE编码和IV值计算
• • 掌握KS值、PSI等风控指标
• • 了解特征分箱技术

3. 三个月内：实战项目

• • 找真实数据（如Kaggle上的信贷数据集）
• • 学习更复杂的模型（如LightGBM）
• • 尝试部署简单API服务

欢迎添加：