一文搞定風控模型6大核心指標（附程式碼）
阿新 • • 發佈：2020-11-05
python金融風控評分卡模型和資料分析微專業課（博主親自錄製視訊）：http://dwz.date/b9vv
在我們開發完信用分模型後，經常需要計算如下的一些指標：
●區分度的指標：○AUC○KS○GINI
●穩定性的指標：○PSI
●分數分佈：○總人數比例○壞使用者比例接下來，本文從如下5個模組為讀者朋友們介紹如何利用Python實現這些指標資料。
目錄
Part 1. 生成樣本
Part 2. 計算AUC、KS、GINI
Part 3. PSI
Part 4. 分數分佈
Part 5. 完整工程程式碼
致謝
01
生成樣本
首先，本文用以示例，故使用程式碼創造的一些假樣本。
import numpy as np
import pandas as pd
n_sample = 1000
df_score = pd.DataFrame({
'user_id': [u for u in range(n_sample)],
'label':np.random.randint(2, size=n_sample),
'score': 900*np.random.random(size=n_sample),
'term': 20201+np.random.randint(5, size=n_sample)
})
然後我們統計下分term的總人數，壞人數和壞人比例：
df_score.groupby('term').agg(total=('label', 'count'),
bad=('label', 'sum'),
bad_rate=('label', 'mean'))
02
區分度指標
計算區分度指標KS、AUC、GINI的helper function如下：
from sklearn.metrics import roc_auc_score, roc_curve
def get_auc(ytrue, yprob):
auc = roc_auc_score(ytrue, yprob)
if auc < 0.5:
auc = 1 - auc
return auc
def get_ks(ytrue, yprob):
fpr, tpr, thr = roc_curve(ytrue, yprob)
ks = max(abs(tpr - fpr))
return ks
def get_gini(ytrue, yprob):
auc = get_auc(ytrue, yprob)
gini = 2 * auc - 1
return gini
這裡對原有sklearn的auc計算做了一點修改，如果AUC<0.5的話會返回1-AUC, 這樣能忽略區分度的方向性。
然後對每個term做區分度的計算：
df_metrics = pd.DataFrame({
'auc': df_score.groupby('term').apply(lambda x: get_auc(x['label'], x['score'])),
'ks': df_score.groupby('term').apply(lambda x: get_ks(x['label'], x['score'])),
'gini': df_score.groupby('term').apply(lambda x: get_gini(x['label'], x['score']))
})
這裡先分成2步：
-
簡單對隨機生成的信用分按固定分數區間分段；
-
按照分段計算PSI:使用pivot_table把資料按照term進行排列計算每個term上的人數比例。
df_score['score_bin'] = pd.cut(df_score['score'], [0, 500, 700, 800, 900])
df_total = pd.pivot_table(df_score,
values='user_id',
index='score_bin',
columns=['term'],
aggfunc="count",
margins=True)
df_ratio = df_total.div(df_total.iloc[-1, :], axis=1)
根據人數比例計算PSI再放回表格內
eps = np.finfo(np.float32).eps
lst_psi = list()
for idx in range(1, len(df_ratio.columns)-1):
last, cur = df_ratio.iloc[0, -1: idx-1]+eps, df_ratio.iloc[0, -1: idx]+eps
psi = sum((cur-last) * np.log(cur / last))
lst_psi.append(psi)
df_ratio.append(pd.Series([np.nan]+lst_psi+[np.nan],
index=df_ratio.columns,
name='psi'))
統計總人數分佈和壞使用者比例的分佈，其實在上面計算PSI的時候已經計算出人數分佈，就是上面的df_ratio：
df_total = pd.pivot_table(df_score,
values='user_id',
index='score_bin',
columns=['term'],
aggfunc="count",
margins=True)
df_ratio = df_total.div(df_total.iloc[-1, :], axis=1)
所以，這裡照葫蘆畫瓢把壞使用者抽取出來再重複一遍，就可以把壞使用者比例計算出來。
df_bad = pd.pivot_table(df_score[df_score['label']==1],
values='user_id',
index='score_bin',
columns=['term'],
aggfunc="count",
margins=True)
df_bad_rate = df_bad/df_total
可以使用seaborn的stacked line和stacked bar來做出總使用者的分佈和壞使用者的比列分佈。
4.1.總人數分佈：
import seaborn as sns
colormap = sns.diverging_palette(130, 20, as_cmap=True)
df_ratio.drop('All').T.plot(kind='bar', stacked=True, colormap=colormap)
plt.legend(bbox_to_anchor=(1.05, 1), loc=2, borderaxespad=0.)
4.2.壞人比例分佈：
colormap = sns.diverging_palette(130, 20, as_cmap=True)
df_bad_rate.drop('All').T.plot(kind='line', colormap=colormap)
plt.legend(bbox_to_anchor=(1.05, 1), loc=2, borderaxespad=0.)
05
完整Python程式碼
至此，本文已經把信用風控模型6大核心指標的計算過程都展示出來了。最後附上完整工程Python程式碼，供FALers學習使用。
import numpy as np
import pandas as pd
n_sample = 1000
df_score = pd.DataFrame({
'user_id': [u for u in range(n_sample)],
'label':np.random.randint(2, size=n_sample),
'score': 900*np.random.random(size=n_sample),
'term': 20201+np.random.randint(5, size=n_sample)
})
df_score.groupby('term').agg(total=('label', 'count'),
bad=('label', 'sum'),
bad_rate=('label', 'mean'))
#KS,GINI,AUC
from sklearn.metrics import roc_auc_score, roc_curve
def get_auc(ytrue, yprob):
auc = roc_auc_score(ytrue, yprob)
if auc < 0.5:
auc = 1 - auc
return auc
def get_ks(ytrue, yprob):
fpr, tpr, thr = roc_curve(ytrue, yprob)
ks = max(abs(tpr - fpr))
return ks
def get_gini(ytrue, yprob):
auc = get_auc(ytrue, yprob)
gini = 2 * auc - 1
return gini
df_metrics = pd.DataFrame({
'auc': df_score.groupby('term').apply(lambda x: get_auc(x['label'], x['score'])),
'ks': df_score.groupby('term').apply(lambda x: get_ks(x['label'], x['score'])),
'gini': df_score.groupby('term').apply(lambda x: get_gini(x['label'], x['score']))
})
#PSI
df_score['score_bin'] = pd.cut(df_score['score'], [0, 500, 700, 800, 900])
df_total = pd.pivot_table(df_score,
values='user_id',
index='score_bin',
columns=['term'],
aggfunc="count",
margins=True)
df_ratio = df_total.div(df_total.iloc[-1, :], axis=1)
eps = np.finfo(np.float32).eps
lst_psi = list()
for idx in range(1, len(df_ratio.columns)-1):
last, cur = df_ratio.iloc[0, -1: idx-1]+eps, df_ratio.iloc[0, -1: idx]+eps
psi = sum((cur-last) * np.log(cur / last))
lst_psi.append(psi)
df_ratio.append(pd.Series([np.nan]+lst_psi+[np.nan],
index=df_ratio.columns,
name='psi'))
#總人數比例和壞客戶比例
df_total = pd.pivot_table(df_score,
values='user_id',
index='score_bin',
columns=['term'],
aggfunc="count",
margins=True)
df_ratio = df_total.div(df_total.iloc[-1, :], axis=1)
df_bad = pd.pivot_table(df_score[df_score['label']==1],
values='user_id',
index='score_bin',
columns=['term'],
aggfunc="count",
margins=True)
df_bad_rate = df_bad/df_total
#做圖
import seaborn as sns
colormap = sns.diverging_palette(130, 20, as_cmap=True)
df_ratio.drop('All').T.plot(kind='bar', stacked=True, colormap=colormap)
plt.legend(bbox_to_anchor=(1.05, 1), loc=2, borderaxespad=0.)
colormap = sns.diverging_palette(130, 20, as_cmap=True)
df_bad_rate.drop('All').T.plot(kind='line', colormap=colormap)
plt.legend(bbox_to_anchor=(1.05, 1), loc=2, borderaxespad=0.)
轉載：https://mp.weixin.qq.com/s/9o-u7zRM0mv-3wXPTv8oAQ