打分卡轉換

我們在上一部分，我們已經基本完成了建模相關的工作，並用混淆矩陣驗證了模型的預測能力。接下來的步驟，就是將Logistic模型轉換為標準打分卡的形式。

在建立標準評分卡之前，我們需要選取幾個評分卡引數：基礎分值、 PDO（比率翻倍的分值）和好壞比。 這裡， 我們取600分為基礎分值，PDO為20 （每高20分好壞比翻一倍），好壞比取2.5。；可得下式：

620 = q - p * log(2.5)

600 = q - p * log(2.5/2)

p = 20/log(2)

q =600-20*log(2.5)/log(2)

其中總評分為基礎分+部分得分。基礎分可通過：

base <- q + p*as.numeric(coe[1])

算出為597分。

而第一個變數AccountBalance的第一種分箱評分得分為 ：

AccountBalanceSCORE = p*as.numeric(coe[2])AccountBalancewoe$woe[1]-1

-17.23854

以此類推， 我們可以得到所有變數取值分箱的得分，詳細程式碼如下。AccountBalance變數：

p*as.numeric(coe[2])AccountBalancewoe$WOE[1]-1

p*as.numeric(coe[2])AccountBalancewoe$WOE[2]-1

p*as.numeric(coe[2])AccountBalancewoe$WOE[3]

p*as.numeric(coe[2])AccountBalancewoe$WOE[4]-1

Duration變數：

p*as.numeric(coe[3])Durationwoe$WOE[1]-1

p*as.numeric(coe[3])Durationwoe$WOE[2]-1

p*as.numeric(coe[3])Durationwoe$WOE[3]-1

PaymentStatusofPreviousCredit變數：

p*as.numeric(coe[4])PaymentStatusofPreviousCreditwoe$WOE[1]-1

p*as.numeric(coe[4])PaymentStatusofPreviousCreditwoe$WOE[2]

p*as.numeric(coe[4])PaymentStatusofPreviousCreditwoe$WOE[3]-1

p*as.numeric(coe[4])PaymentStatusofPreviousCreditwoe$WOE[4]-1

p*as.numeric(coe[4])PaymentStatusofPreviousCreditwoe$WOE[5]-1

Purpose變數：

for(i in 1:10){

print(p*as.numeric(coe[5])Purposewoe$WOE[i])-1

}

CreditAmount變數

p*as.numeric(coe[6])CreditAmountwoe$WOE[1]-1

p*as.numeric(coe[6])CreditAmountwoe$WOE[2]-1

ValueSavings變數：

p*as.numeric(coe[7])ValueSavingswoe$WOE[1]-1

p*as.numeric(coe[7])ValueSavingswoe$WOE[2]-1

p*as.numeric(coe[7])ValueSavingswoe$WOE[3]-1

p*as.numeric(coe[7])ValueSavingswoe$WOE[4]-1

Lengthofcurrentemployment變數：

p*as.numeric(coe[8])Lengthofcurrentemploymentwoe$WOE[1]-1

p*as.numeric(coe[8])Lengthofcurrentemploymentwoe$WOE[2]-1

p*as.numeric(coe[8])Lengthofcurrentemploymentwoe$WOE[3]-1

p*as.numeric(coe[8])Lengthofcurrentemploymentwoe$WOE[4]-1

Agewoe變數：

p*as.numeric(coe[9])Agewoe$WOE[1]-1

p*as.numeric(coe[9])Agewoe$WOE[2]-1

ForeignWorker變數：

p*as.numeric(coe[10])ForeignWorkerwoe$WOE[1]-1

p*as.numeric(coe[10])ForeignWorkerwoe$WOE[2]-1

最終得出的打分卡結果為：

R語言建立信用模型部分完結，歡迎分享