零基础Python评分卡模型搭建

没学过编程？不懂统计学？别担心！跟着我，用最简单的方式搭建你的第一个风控模型。

前言：从“技术恐惧”到“风控自信”

3个月后，小张独立搭建的评分卡模型成功上线，将审批效率提升了40%。今天，我就把小张的“零基础逆袭秘籍”完整分享给你。

记住：风控的核心是业务思维，代码只是工具。

一、准备工作：像安装手机APP一样简单

1.1 安装Python环境（5分钟搞定）

别被“环境配置”吓到，跟着我做：

1. 1. 下载Anaconda（就像下载微信一样简单）
• • 打开浏览器，访问：https://www.anaconda.com/download
• • 点击下载（Windows用户选Windows，Mac用户选MacOS）
• • 双击安装包，全部点“下一步”直到完成
2. 2. 打开Jupyter Notebook（我们的“代码记事本”）
• • 在开始菜单找到“Anaconda3”
• • 点击“Jupyter Notebook”
• • 浏览器会自动打开一个新页面
3. 3. 新建文件（创建你的第一个模型文件）
• • 点击右上角“New”
• • 选择“Python 3”
• • 看到代码输入框了吗？恭喜，环境配置完成！

1.2 安装必要工具包（复制粘贴就行）

在代码输入框里，复制粘贴下面这段代码，然后按 Shift + Enter：

# 安装必要的包!pip install pandas numpy matplotlib scikit-learn -i https://pypi.tuna.tsinghua.edu.cn/simple# 检查是否安装成功import pandas as pdimport numpy as npprint("安装成功！可以开始建模了。")

看到“安装成功”了吗？就这么简单！

二、第一步：准备数据 - 不用Excel，更简单

2.1 创建虚拟数据（就像填表格）

假设我们是某消费金融公司的风控专员，需要分析客户数据。我们先创建一个简单的数据集：

# 创建100个虚拟客户数据import pandas as pdimport numpy as np# 设置随机种子，确保每次结果一样np.random.seed(123)# 创建数据字典 - 就像填Excel表格data = {'客户ID': range(1, 101),  # 1到100号客户'年龄': np.random.randint(22, 55, 100),  # 22-55岁'月收入': np.random.randint(5000, 30000, 100),  # 5000-30000元'工作年限': np.random.randint(1, 20, 100),  # 1-20年'信用卡数量': np.random.randint(0, 5, 100),  # 0-4张'历史逾期': np.random.randint(0, 3, 100),  # 逾期0-2次'是否违约': np.random.choice([0, 1], 100, p=[0.85, 0.15])  # 85%好客户，15%坏客户}# 创建数据框（可以理解为智能Excel表格）df = pd.DataFrame(data)# 查看数据print("客户数据表：")print(df.head(10))  # 显示前10行print(f"\n共有{len(df)}个客户")print(f"其中{df['是否违约'].sum()}人违约，违约率{df['是否违约'].mean():.1%}")

运行后你会看到：

   客户ID  年龄  月收入  工作年限  信用卡数量  历史逾期  是否违约0      1  45  23456       8         2        0        01      2  38  12345      12         1        1        02      3  29  28765       3         3        0        1...共有100个客户其中15人违约，违约率15.0%

看！你已经有了100个客户的数据，包括年龄、收入、信用记录等。这比Excel简单多了，不是吗？

2.2 数据可视化 - 一图胜千言

让我们用图表更直观地看数据：

import matplotlib.pyplot as plt# 设置中文字体plt.rcParams['font.sans-serif'] = ['SimHei']plt.rcParams['axes.unicode_minus'] = False# 创建画布fig, axes = plt.subplots(2, 2, figsize=(12, 10))# 1. 年龄分布axes[0, 0].hist(df['年龄'], bins=15, color='skyblue', edgecolor='black')axes[0, 0].set_xlabel('年龄')axes[0, 0].set_ylabel('人数')axes[0, 0].set_title('客户年龄分布')axes[0, 0].grid(True, alpha=0.3)# 2. 收入分布axes[0, 1].hist(df['月收入'], bins=15, color='lightgreen', edgecolor='black')axes[0, 1].set_xlabel('月收入（元）')axes[0, 1].set_ylabel('人数')axes[0, 1].set_title('客户收入分布')axes[0, 1].grid(True, alpha=0.3)# 3. 好坏客户比例bad_count = df['是否违约'].sum()good_count = len(df) - bad_countaxes[1, 0].pie([good_count, bad_count],                labels=['好客户', '坏客户'],               autopct='%1.1f%%',               colors=['lightblue', 'lightcoral'],               startangle=90)axes[1, 0].set_title('好坏客户比例')# 4. 各年龄段违约率# 将年龄分组df['年龄段'] = pd.cut(df['年龄'],                      bins=[20, 30, 40, 50, 60],                     labels=['20-30', '30-40', '40-50', '50-60'])default_by_age = df.groupby('年龄段')['是否违约'].mean()axes[1, 1].bar(default_by_age.index.astype(str),                default_by_age.values,               color='orange')axes[1, 1].set_xlabel('年龄段')axes[1, 1].set_ylabel('违约率')axes[1, 1].set_title('各年龄段违约率')axes[1, 1].grid(True, alpha=0.3)plt.tight_layout()plt.show()

运行代码后，你会看到4张图表。发现了什么？

• • 哪个年龄段的客户最多？
• • 收入主要集中在什么范围？
• • 哪个年龄段的违约率最高？

这就是数据分析的魅力：用眼睛看数据，而不是凭感觉！

三、第二步：特征工程 - 创造“聪明”的特征

3.1 创建业务特征

原始数据有时不够用，我们需要创造更有意义的特征：

# 1. 创建负债收入比（重要指标！）# 假设每张信用卡平均负债5000元df['信用卡总负债'] = df['信用卡数量'] * 5000df['负债收入比'] = df['信用卡总负债'] / df['月收入']print("添加新特征后的数据：")print(df[['客户ID', '月收入', '信用卡数量', '信用卡总负债', '负债收入比']].head())# 2. 创建工作稳定性指标df['工作稳定性'] = df['工作年限'] / (df['年龄'] - 22)  # 假设22岁开始工作df['工作稳定性'] = df['工作稳定性'].fillna(0)  # 处理除零错误# 3. 查看新特征的分布fig, axes = plt.subplots(1, 2, figsize=(12, 4))axes[0].hist(df['负债收入比'], bins=20, color='purple', edgecolor='black', alpha=0.7)axes[0].set_xlabel('负债收入比')axes[0].set_ylabel('人数')axes[0].set_title('负债收入比分布')axes[0].grid(True, alpha=0.3)axes[1].hist(df['工作稳定性'], bins=20, color='teal', edgecolor='black', alpha=0.7)axes[1].set_xlabel('工作稳定性')axes[1].set_ylabel('人数')axes[1].set_title('工作稳定性分布')axes[1].grid(True, alpha=0.3)plt.tight_layout()plt.show()

3.2 特征与违约率的关系分析

让我们看看哪些特征与违约相关：

# 分析特征与违约率的关系print("特征与违约率的关系分析：")print("="*50)features_to_analyze = ['年龄', '月收入', '工作年限', '信用卡数量', '历史逾期', '负债收入比', '工作稳定性']for feature in features_to_analyze:# 将特征分成4组    df[f'{feature}_分组'] = pd.qcut(df[feature], 4, duplicates='drop')# 计算每组的违约率    default_rate = df.groupby(f'{feature}_分组')['是否违约'].mean()print(f"\n{feature}与违约率关系：")for group, rate in default_rate.items():print(f"  {group}: 违约率={rate:.1%}")# 可视化    plt.figure(figsize=(8, 4))    plt.bar(range(len(default_rate)), default_rate.values, color='steelblue')    plt.xticks(range(len(default_rate)),                [str(x) for x in default_rate.index], rotation=45)    plt.xlabel(f'{feature}分组')    plt.ylabel('违约率')    plt.title(f'{feature}与违约率关系')    plt.grid(True, alpha=0.3)    plt.tight_layout()    plt.show()

关键发现：

• • 负债收入比越高，违约率越___？
• • 收入越高，违约率越___？
• • 历史逾期次数越多，违约率越___？

四、第三步：建立模型 - 三行代码搞定

4.1 准备建模数据

# 选择用于建模的特征selected_features = ['年龄', '月收入', '工作年限', '信用卡数量', '历史逾期', '负债收入比', '工作稳定性']X = df[selected_features]  # 特征数据y = df['是否违约']         # 目标变量（是否违约）print("特征数据形状：", X.shape)print("目标变量形状：", y.shape)print("\n前5个样本的特征数据：")print(X.head())

4.2 训练第一个模型（超级简单！）

from sklearn.model_selection import train_test_splitfrom sklearn.linear_model import LogisticRegression# 1. 分割数据（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：{len(X_train)}个样本")print(f"测试集：{len(X_test)}个样本")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. 训练逻辑回归模型（就三行代码！）model = LogisticRegression(max_iter=1000, random_state=42)model.fit(X_train, y_train)print("\n🎉 模型训练完成！")print(f"模型参数数量：{len(model.coef_[0])}")print(f"模型截距：{model.intercept_[0]:.4f}")

4.3 模型评估 - 看看模型表现如何

from sklearn.metrics import accuracy_score, confusion_matrix# 1. 在测试集上预测y_pred = model.predict(X_test)y_pred_prob = 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:.1%}")# 3. 计算AUC（风控核心指标）from sklearn.metrics import roc_auc_scoreauc = roc_auc_score(y_test, y_pred_prob)print(f"AUC值：{auc:.4f}")# AUC解释：0.5=瞎猜，0.7=不错，0.8=很好，1.0=完美if auc < 0.6:print("模型表现：需要改进")elif auc < 0.7:print("模型表现：一般")elif auc < 0.8:print("模型表现：良好")elif auc < 0.9:print("模型表现：优秀")else:print("模型表现：完美！")# 4. 混淆矩阵cm = confusion_matrix(y_test, y_pred)print(f"\n混淆矩阵：")print(f"预测为好且实际好：{cm[0, 0]}人")print(f"预测为好但实际坏：{cm[0, 1]}人（风险！）")print(f"预测为坏但实际好：{cm[1, 0]}人（损失客户）")print(f"预测为坏且实际坏：{cm[1, 1]}人")

4.4 模型解释 - 为什么这个客户被拒绝？

# 查看模型学到的规律print("模型学到的规律（特征重要性）：")print("="*50)feature_importance = pd.DataFrame({'特征': selected_features,'系数': model.coef_[0],'系数绝对值': np.abs(model.coef_[0])}).sort_values('系数绝对值', ascending=False)print(feature_importance)print("\n📊 业务解读：")print("正系数表示增加违约概率，负系数表示减少违约概率")for _, row in feature_importance.iterrows():    effect = "增加违约风险"if row['系数'] > 0else"降低违约风险"print(f"{row['特征']}: {effect} (影响程度：{abs(row['系数']):.4f})")

五、第四步：评分卡转换 - 把概率变成分数

5.1 创建评分卡函数

defcreate_scorecard(prob, base_score=600, pdo=50, base_odds=30):"""    将违约概率转换为信用分数    参数：    prob: 违约概率（0-1之间）    base_score: 基准分数（当好坏比为base_odds:1时的分数）    pdo: 好坏比翻倍所需的分数变化    base_odds: 基准好坏比    公式：分数 = base_score + pdo * log2(好坏比/基准好坏比)    """    odds = (1 - prob) / (prob + 1e-10)  # 计算好坏比    score = base_score + pdo * np.log2(odds / base_odds)return np.clip(score, 300, 850)  # 限制在300-850分之间# 为所有客户计算分数df['违约概率'] = model.predict_proba(X)[:, 1]df['信用分数'] = df['违约概率'].apply(create_scorecard)print("客户的信用分数：")print(df[['客户ID', '违约概率', '信用分数']].head(10))

5.2 分析分数分布

# 分析分数分布plt.figure(figsize=(15, 5))# 1. 分数分布plt.subplot(1, 3, 1)plt.hist(df['信用分数'], bins=20, color='skyblue', edgecolor='black', alpha=0.7)plt.xlabel('信用分数')plt.ylabel('人数')plt.title('信用分数分布')plt.grid(True, alpha=0.3)# 2. 分数与违约率关系plt.subplot(1, 3, 2)df['分数段'] = pd.cut(df['信用分数'], bins=10)score_default_rate = df.groupby('分数段')['是否违约'].mean()plt.bar(range(len(score_default_rate)), score_default_rate.values,         color='lightcoral', alpha=0.7)plt.xticks(range(len(score_default_rate)),            [f"{x.left:.0f}-{x.right:.0f}"for x in score_default_rate.index],           rotation=45)plt.xlabel('分数段')plt.ylabel('违约率')plt.title('不同分数段的违约率')plt.grid(True, alpha=0.3)# 3. 好坏客户分数对比plt.subplot(1, 3, 3)good_scores = df[df['是否违约'] == 0]['信用分数']bad_scores = df[df['是否违约'] == 1]['信用分数']plt.boxplot([good_scores, bad_scores],             labels=['好客户', '坏客户'],            patch_artist=True,            boxprops=dict(facecolor='lightblue'))plt.ylabel('信用分数')plt.title('好坏客户分数对比')plt.grid(True, alpha=0.3)plt.tight_layout()plt.show()

5.3 制定审批策略

print("📋 基于评分的审批策略建议：")print("="*60)# 定义审批阈值thresholds = [    (700, "自动批准"),    (650, "快速审核"),    (600, "标准审核"),    (550, "严格审核"),    (0, "自动拒绝")]previous_threshold = 850for threshold, decision in thresholds:    mask = df['信用分数'] >= threshold    count = mask.sum()    default_rate = df[mask]['是否违约'].mean() if count > 0else0print(f"\n分数 ≥ {threshold}分 ({decision}):")print(f"  客户数量：{count}人 ({count/len(df):.1%})")print(f"  平均分数：{df[mask]['信用分数'].mean():.1f}分")print(f"  违约率：{default_rate:.1%}")    previous_threshold = threshold# 推荐策略print("\n🎯 推荐审批策略：")print("1. 分数≥700分：自动批准（低风险）")print("2. 600-699分：快速审核（中低风险）")print("3. 550-599分：人工审核（中风险）")print("4. <550分：自动拒绝（高风险）")

六、第五步：模型应用 - 新客户预测

6.1 创建预测函数

defpredict_new_customer(customer_data):"""    预测新客户的信用分数和审批建议    参数：    customer_data: 字典，包含客户特征    返回：预测结果    """# 转换为DataFrame    customer_df = pd.DataFrame([customer_data])# 确保特征顺序一致for feature in selected_features:if feature notin customer_df.columns:print(f"警告：缺少特征 {feature}")returnNone# 预测概率    X_customer = customer_df[selected_features]    prob = model.predict_proba(X_customer)[0, 1]    score = create_scorecard(prob)# 生成建议if score >= 700:        decision = "✅ 自动批准"        reason = "信用优秀，风险很低"elif score >= 600:        decision = "⚠️ 快速审核"        reason = "信用良好，风险较低"elif score >= 550:        decision = "⚠️ 人工审核"        reason = "信用一般，中等风险"else:        decision = "❌ 自动拒绝"        reason = "信用较差，高风险"# 特征贡献分析    contributions = {}    coef = model.coef_[0]    intercept = model.intercept_[0]for i, feature inenumerate(selected_features):        value = customer_data[feature]        contribution = coef[i] * value        contributions[feature] = {'值': value,'贡献': contribution,'影响': "加分"if contribution < 0else"减分"# 负系数降低违约概率        }return {'违约概率': f"{prob:.1%}",'信用分数': f"{score:.0f}分",'审批建议': decision,'建议原因': reason,'特征贡献': contributions    }# 测试新客户预测new_customer = {'年龄': 35,'月收入': 25000,'工作年限': 8,'信用卡数量': 2,'历史逾期': 0,'负债收入比': 0.3,'工作稳定性': 0.6}result = predict_new_customer(new_customer)print("新客户预测结果：")print("="*50)for key, value in result.items():if key != '特征贡献':print(f"{key}: {value}")print("\n特征贡献分析：")for feature, info in result['特征贡献'].items():print(f"  {feature}: 值={info['值']}, {info['影响']} ({info['贡献']:.4f})")

七、常见问题解答

Q1：我没有编程基础，真的能学会吗？

A： 绝对能！今天的内容只需要复制粘贴和按Shift+Enter。我带的实习生小张也是零基础起步，现在已经是团队骨干。

Q2：实际业务数据更复杂怎么办？

A： 今天学的是核心思路。实际工作中：

1. 1. 数据清洗会更细致
2. 2. 特征工程会更丰富
3. 3. 模型会更复杂但基本原理完全一样

Q3：如何提高模型准确率？

A： 新手建议：

1. 1. 增加更多数据
2. 2. 创造更好的特征（如：收入稳定性、社交关系等）
3. 3. 调整模型参数
4. 4. 尝试其他模型（学完基础后）

Q4：模型上线需要什么？

A： 简单部署可以用Flask（网页API），复杂系统需要：

1. 1. 模型版本管理
2. 2. 监控报警
3. 3. A/B测试但这些都有现成的工具包

八、学习路径建议

第一阶段（1-2周）：夯实基础

• • 每天花1小时练习今天的内容
• • 尝试修改参数，观察结果变化
• • 用不同数据测试模型

第二阶段（1个月）：项目实战

• • 找真实数据练习（推荐Kaggle的"Give Me Some Credit"数据集）
• • 学习特征工程进阶技巧
• • 掌握模型评估方法

第三阶段（3个月）：成为能手

• • 学习更复杂模型（XGBoost、LightGBM）
• • 掌握模型部署
• • 参与实际业务项目