1、什麼是評分卡？

在銀行借貸場景中，評分卡是一種以分數形式來衡量一個客戶的信用風險大小的手段，一般來說，評分卡打出的分數越高，客戶的信用越好，風險越小。

2、評分卡怎麼使用？

對於需要借貸的個人或者公司，在借貸時需要填寫一張表格，表格內容包括年齡，收入，家庭人口數量等等。評分卡將每個特徵劃分為幾個區間，每個區間有一個分數。根據客戶所填資訊和評分卡，為客戶所填的每一個特徵賦一個分數，最後相加計算這個使用者的總得分。依據總得分評估他的信用程度。

3、怎麼使用邏輯迴歸製作評分卡？

製作評分卡需要大量客戶所填的資訊（特徵矩陣X），以及該客戶是否違約的資訊（標籤Y）。

（1）對特徵矩陣X進行資料預處理。包括去除重複值，填補缺失值（僅有極少數樣本缺失該特徵可考慮直接刪除該特徵，可使用均值填補家庭人數，隨機森林填補收入等），處理異常值，處理樣本不均衡問題（使用過取樣和欠取樣的方法），但是我們一般不對資料進行標準化處理（這是因為我們給出的評分卡是給業務人員看的，而客戶所填資訊天生就是量綱不統一的）。

（2）找出每個特徵最佳分箱數和分享邊界。最佳分箱數即使得該特徵的IV值儘量在最佳IV值區間（儘量提高每個特徵的重要性），並且使得該特徵的箱內相似，箱間差異大。因此步驟是這樣的：首先確定一個較大的箱子數，進行等頻分箱，計算各箱WOE值和特徵的IV值，然後依據卡方檢驗值合併相似箱子，再次計算各箱WOE值以及該特徵IV值，直到箱子數量變為一個較小值。畫出箱子個數-IV值曲線，找出分箱個數和各箱邊界。

（3）對各個特徵依據最佳分箱邊界進行分箱。分箱後得到特徵的各箱邊界以及WOE值。

（4）處理訓練集和測試集的特徵矩陣X。將特徵矩陣中的值全部替換為對應箱子的WOE值。

（5）使用訓練集進行建模，使用測試集計算模型得分，並且利用學習曲線調整正則化係數C和最大迭代次數max_iter提高模型得分。

（6）製作評分卡。根據該公式的值計算出係數A和B的值，根據邏輯迴歸得到的截距lr.intercept_、各特徵係數lr_coef_。用base_score = A - B*lr.intercept_公式計算該評分卡的基準值，用col_score = woeall["i_colName"] * (-B*lr.coef_[0][i])計算各特徵的分數列表（每個箱子對應一個分數），其中woeall["i_colName"]是i特徵的箱子列表和對應的WOE值列表。

4、為什麼要使用邏輯迴歸製作評分卡？

因為評分卡製作其實就是將連續的特徵離散化，且為每一個離散值賦一個分數。其中邏輯迴歸的截距用於計算評分卡基準值；邏輯迴歸係數用於表示各個特徵在判別標籤時的重要程度；各箱的woe值用於邏輯迴歸建模時代替特徵矩陣X原始值帶入計算。