creditscorecard
Создайте объект creditscorecard создать модель протокола результатов кредита
Описание
Создайте модель протокола результатов кредита путем создания объекта creditscorecard и задайте входные данные в формате таблицы.
После создания объекта creditscorecard можно использовать связанные объектные функции для интервала данные и выполнить анализ логистической регрессии, чтобы разработать модель протокола результатов кредита, чтобы вести решения кредита. Этот рабочий процесс показывает, как разработать модель протокола результатов кредита.
Используйте
screenpredictorsот Risk Management Toolbox™, чтобы срезать потенциально большой набор предикторов к подмножеству, которое является самым прогнозирующим из переменной отклика карты кредитного рейтинга. Используйте это подмножество предикторов при создании объектаcreditscorecard.Создайте объект
creditscorecard(см., Создают creditscorecard и Свойства).Интервал данные.
Соответствуйте модели логистической регрессии.
Рассмотрите и отформатируйте точки протокола результатов кредита. В этой точке в рабочем процессе, если у вас есть лицензия на Risk Management Toolbox, у вас есть опция, чтобы создать объект
compactCreditScorecard(csc) с помощью функцииcompact. Можно затем использовать следующие функцииdisplaypoints,scoreиprobdefaultот Risk Management Toolbox с объектомcsc.Выиграйте данные.
Вычислите вероятности значения по умолчанию для данных.
Подтвердите качество модели протокола результатов кредита.
Для более подробной информации об этом рабочем процессе см., что Протокол результатов Кредита Моделирует Рабочий процесс.
Создание
Синтаксис
sc = creditscorecard(data)sc = creditscorecard(___,Name,Value)Описание
sc = creditscorecard(data)creditscorecard путем определения data. Модель протокола результатов кредита, возвращенная как объект creditscorecard, содержит карты раскладывания или правила (точки разделения или группировки категории) для одного или нескольких предикторов.
sc = creditscorecard(___,Name,Value)sc = creditscorecard(data,'GoodLabel',0,'IDVar','CustID','ResponseVar','status','PredictorVars',{'CustAge','CustIncome'},'WeightsVar','RowWeights','BinMissingData',true). Можно задать несколько пар "имя-значение".
Примечание
Чтобы использовать наблюдение (выборка) веса в рабочем процессе протокола результатов кредита, при создании объекта creditscorecard, необходимо использовать дополнительную пару "имя-значение" WeightsVar, чтобы задать, какой столбец в data содержит веса.
Входные параметры
Свойства
Функции объекта
autobinning | Выполните автоматическое раскладывание данных предикторов |
bininfo | Возвратите информацию об интервале предиктора |
predictorinfo | Сводные данные свойств предиктора протокола результатов кредита |
modifypredictor | Установите свойства предикторов протокола результатов кредита |
modifybins | Измените интервалы предиктора |
bindata | Сгруппированные переменные прогноза |
plotbins | Гистограмма графика значит переменные прогноза |
fitmodel | Подходящая модель логистической регрессии к данным о Весе доказательства (WOE) |
fitConstrainedModel | Подходящая модель логистической регрессии к субъекту данных Веса доказательства (WOE) к ограничениям на коэффициенты модели |
setmodel | Установите образцовые предикторы и коэффициенты |
displaypoints | Возвратите точки на предиктор на интервал |
formatpoints | Точки протокола результатов формата и масштабирование |
score | Вычислите кредитные рейтинги для определенных данных |
probdefault | Вероятность значения по умолчанию для определенных данных установлена |
validatemodel | Подтвердите качество модели протокола результатов кредита |
compact | Создайте компактный протокол результатов кредита |
Примеры
Создайте объект creditscorecard
Создайте объект creditscorecard с помощью файла CreditCardData.mat, чтобы загрузить data (использующий набор данных от Refaat 2011).
load CreditCardData
sc = creditscorecard(data)sc =
creditscorecard with properties:
GoodLabel: 0
ResponseVar: 'status'
WeightsVar: ''
VarNames: {1x11 cell}
NumericPredictors: {1x7 cell}
CategoricalPredictors: {'ResStatus' 'EmpStatus' 'OtherCC'}
BinMissingData: 0
IDVar: ''
PredictorVars: {1x10 cell}
Data: [1200x11 table]
Создайте объект creditscorecard, содержащий веса
Используйте файл CreditCardData.mat, чтобы загрузить данные (dataWeights), который содержит столбец (RowWeights) для весов (использующий набор данных от Refaat 2011).
load CreditCardDataСоздайте объект creditscorecard с помощью дополнительного аргумента пары "имя-значение" для 'WeightsVar'.
sc = creditscorecard(dataWeights,'WeightsVar','RowWeights')
sc =
creditscorecard with properties:
GoodLabel: 0
ResponseVar: 'status'
WeightsVar: 'RowWeights'
VarNames: {1x12 cell}
NumericPredictors: {1x7 cell}
CategoricalPredictors: {'ResStatus' 'EmpStatus' 'OtherCC'}
BinMissingData: 0
IDVar: ''
PredictorVars: {1x10 cell}
Data: [1200x12 table]
Отобразите свойства объектов creditscorecard
Создайте объект creditscorecard с помощью файла CreditCardData.mat, чтобы загрузить data (использующий набор данных от Refaat 2011).
load CreditCardData
sc = creditscorecard(data)sc =
creditscorecard with properties:
GoodLabel: 0
ResponseVar: 'status'
WeightsVar: ''
VarNames: {1x11 cell}
NumericPredictors: {1x7 cell}
CategoricalPredictors: {'ResStatus' 'EmpStatus' 'OtherCC'}
BinMissingData: 0
IDVar: ''
PredictorVars: {1x10 cell}
Data: [1200x11 table]
Чтобы отобразить свойства объектов creditscorecard, используйте запись через точку.
sc.PredictorVars
ans = 1x10 cell array
Columns 1 through 4
{'CustID'} {'CustAge'} {'TmAtAddress'} {'ResStatus'}
Columns 5 through 8
{'EmpStatus'} {'CustIncome'} {'TmWBank'} {'OtherCC'}
Columns 9 through 10
{'AMBalance'} {'UtilRate'}
sc.VarNames
ans = 1x11 cell array
Columns 1 through 4
{'CustID'} {'CustAge'} {'TmAtAddress'} {'ResStatus'}
Columns 5 through 8
{'EmpStatus'} {'CustIncome'} {'TmWBank'} {'OtherCC'}
Columns 9 through 11
{'AMBalance'} {'UtilRate'} {'status'}
Измените значение свойства для объекта creditscorecard
Создайте объект creditscorecard с помощью файла CreditCardData.mat, чтобы загрузить data (использующий набор данных от Refaat 2011).
load CreditCardData
sc = creditscorecard(data)sc =
creditscorecard with properties:
GoodLabel: 0
ResponseVar: 'status'
WeightsVar: ''
VarNames: {1x11 cell}
NumericPredictors: {1x7 cell}
CategoricalPredictors: {'ResStatus' 'EmpStatus' 'OtherCC'}
BinMissingData: 0
IDVar: ''
PredictorVars: {1x10 cell}
Data: [1200x11 table]
Поскольку свойство IDVar имеет открытый доступ, можно изменить его значение в командной строке.
sc.IDVar = 'CustID'sc =
creditscorecard with properties:
GoodLabel: 0
ResponseVar: 'status'
WeightsVar: ''
VarNames: {1x11 cell}
NumericPredictors: {1x6 cell}
CategoricalPredictors: {'ResStatus' 'EmpStatus' 'OtherCC'}
BinMissingData: 0
IDVar: 'CustID'
PredictorVars: {1x9 cell}
Data: [1200x11 table]
Создайте объект creditscorecard
Создайте объект creditscorecard с помощью файла CreditCardData.mat, чтобы загрузить data (использующий набор данных от Refaat 2011).
load CreditCardData
sc = creditscorecard(data)sc =
creditscorecard with properties:
GoodLabel: 0
ResponseVar: 'status'
WeightsVar: ''
VarNames: {1x11 cell}
NumericPredictors: {1x7 cell}
CategoricalPredictors: {'ResStatus' 'EmpStatus' 'OtherCC'}
BinMissingData: 0
IDVar: ''
PredictorVars: {1x10 cell}
Data: [1200x11 table]
В этом примере присвоены значения по умолчанию для свойств ResponseVar, PredictorVars и GoodLabel, когда этот объект создается. По умолчанию свойство ResponseVar установлено в имя переменной, которое находится в последнем столбце входных данных ('status' в этом примере). Свойство PredictorVars содержит имена всех переменных, которые находятся в VarNames, но исключает IDVar и ResponseVar. Кроме того, по умолчанию в предыдущем примере, GoodLabel установлен в 0, поскольку это - значение в переменной отклика (ResponseVar) с самым высоким количеством.
Отобразите свойства объектов creditscorecard с помощью записи через точку.
sc.PredictorVars
ans = 1x10 cell array
Columns 1 through 4
{'CustID'} {'CustAge'} {'TmAtAddress'} {'ResStatus'}
Columns 5 through 8
{'EmpStatus'} {'CustIncome'} {'TmWBank'} {'OtherCC'}
Columns 9 through 10
{'AMBalance'} {'UtilRate'}
sc.VarNames
ans = 1x11 cell array
Columns 1 through 4
{'CustID'} {'CustAge'} {'TmAtAddress'} {'ResStatus'}
Columns 5 through 8
{'EmpStatus'} {'CustIncome'} {'TmWBank'} {'OtherCC'}
Columns 9 through 11
{'AMBalance'} {'UtilRate'} {'status'}
Поскольку IDVar и PredictorVars имеют открытый доступ, можно изменить их значения в командной строке.
sc.IDVar = 'CustID'sc =
creditscorecard with properties:
GoodLabel: 0
ResponseVar: 'status'
WeightsVar: ''
VarNames: {1x11 cell}
NumericPredictors: {1x6 cell}
CategoricalPredictors: {'ResStatus' 'EmpStatus' 'OtherCC'}
BinMissingData: 0
IDVar: 'CustID'
PredictorVars: {1x9 cell}
Data: [1200x11 table]
sc.PredictorVars = {'CustIncome','ResStatus','AMBalance'}sc =
creditscorecard with properties:
GoodLabel: 0
ResponseVar: 'status'
WeightsVar: ''
VarNames: {1x11 cell}
NumericPredictors: {'CustIncome' 'AMBalance'}
CategoricalPredictors: {'ResStatus'}
BinMissingData: 0
IDVar: 'CustID'
PredictorVars: {'ResStatus' 'CustIncome' 'AMBalance'}
Data: [1200x11 table]
disp(sc)
creditscorecard with properties:
GoodLabel: 0
ResponseVar: 'status'
WeightsVar: ''
VarNames: {1x11 cell}
NumericPredictors: {'CustIncome' 'AMBalance'}
CategoricalPredictors: {'ResStatus'}
BinMissingData: 0
IDVar: 'CustID'
PredictorVars: {'ResStatus' 'CustIncome' 'AMBalance'}
Data: [1200x11 table]
Создайте объект creditscorecard и набор GoodLabel и ResponseVar
Создайте объект creditscorecard с помощью файла CreditCardData.mat, чтобы загрузить data (использующий набор данных от Refaat 2011). Затем используйте аргументы пары "имя-значение" для creditscorecard, чтобы задать GoodLabel и ResponseVar.
load CreditCardData sc = creditscorecard(data,'IDVar','CustID','GoodLabel',0,'ResponseVar','status')
sc =
creditscorecard with properties:
GoodLabel: 0
ResponseVar: 'status'
WeightsVar: ''
VarNames: {1x11 cell}
NumericPredictors: {1x6 cell}
CategoricalPredictors: {'ResStatus' 'EmpStatus' 'OtherCC'}
BinMissingData: 0
IDVar: 'CustID'
PredictorVars: {1x9 cell}
Data: [1200x11 table]
GoodLabel и ResponseVar могут только быть установлены (осуществленные) при создании объекта creditscorecard с помощью creditscorecard.
Создайте объект creditscorecard и набор свойство 'BinMissingData'
Создайте объект creditscorecard с помощью файла CreditCardData.mat, чтобы загрузить dataMissing с отсутствующими значениями.
load CreditCardData
head(dataMissing,5)ans=5×11 table
CustID CustAge TmAtAddress ResStatus EmpStatus CustIncome TmWBank OtherCC AMBalance UtilRate status
______ _______ ___________ ___________ _________ __________ _______ _______ _________ ________ ______
1 53 62 <undefined> Unknown 50000 55 Yes 1055.9 0.22 0
2 61 22 Home Owner Employed 52000 25 Yes 1161.6 0.24 0
3 47 30 Tenant Employed 37000 61 No 877.23 0.29 0
4 NaN 75 Home Owner Employed 53000 20 Yes 157.37 0.08 0
5 68 56 Home Owner Employed 53000 14 Yes 561.84 0.11 0
fprintf('Number of rows: %d\n',height(dataMissing))Number of rows: 1200
fprintf('Number of missing values CustAge: %d\n',sum(ismissing(dataMissing.CustAge)))Number of missing values CustAge: 30
fprintf('Number of missing values ResStatus: %d\n',sum(ismissing(dataMissing.ResStatus)))Number of missing values ResStatus: 40
Используйте creditscorecard с набором аргумента 'BinMissingData' значения имени к true к интервалу недостающие данные в отдельном интервале.
sc = creditscorecard(dataMissing,'IDVar','CustID','BinMissingData',true); sc = autobinning(sc); disp(sc)
creditscorecard with properties:
GoodLabel: 0
ResponseVar: 'status'
WeightsVar: ''
VarNames: {1x11 cell}
NumericPredictors: {1x6 cell}
CategoricalPredictors: {'ResStatus' 'EmpStatus' 'OtherCC'}
BinMissingData: 1
IDVar: 'CustID'
PredictorVars: {1x9 cell}
Data: [1200x11 table]
Отобразите информацию об интервале для числовых данных для 'CustAge', который включает недостающие данные в отдельный интервал, маркировал <missing>.
bi = bininfo(sc,'CustAge');
disp(bi) Bin Good Bad Odds WOE InfoValue
___________ ____ ___ ______ ________ __________
'[-Inf,33)' 69 52 1.3269 -0.42156 0.018993
'[33,37)' 63 45 1.4 -0.36795 0.012839
'[37,40)' 72 47 1.5319 -0.2779 0.0079824
'[40,46)' 172 89 1.9326 -0.04556 0.0004549
'[46,48)' 59 25 2.36 0.15424 0.0016199
'[48,51)' 99 41 2.4146 0.17713 0.0035449
'[51,58)' 157 62 2.5323 0.22469 0.0088407
'[58,Inf]' 93 25 3.72 0.60931 0.032198
'<missing>' 19 11 1.7273 -0.15787 0.00063885
'Totals' 803 397 2.0227 NaN 0.087112
plotbins(sc,'CustAge')
Отобразите информацию об интервале для категориальных данных для 'ResStatus', который включает недостающие данные в отдельный интервал, маркировал <missing>.
bi = bininfo(sc,'ResStatus');
disp(bi) Bin Good Bad Odds WOE InfoValue
____________ ____ ___ ______ _________ __________
'Tenant' 296 161 1.8385 -0.095463 0.0035249
'Home Owner' 352 171 2.0585 0.017549 0.00013382
'Other' 128 52 2.4615 0.19637 0.0055808
'<missing>' 27 13 2.0769 0.026469 2.3248e-05
'Totals' 803 397 2.0227 NaN 0.0092627
plotbins(sc,'ResStatus')
Ссылки
[1] Андерсон, R. Инструментарий рейтинга кредитоспособности. Издательство Оксфордского университета, 2007.
[2] Refaat, M. Подготовка данных для анализа данных Используя SAS. Морган Кофманн, 2006.
[3] Refaat, M. Протоколы результатов кредитного риска: разработка и реализация Используя SAS. lulu.com, 2011.
Смотрите также
Функции
autobinning|bindata|bininfo|displaypoints|fitConstrainedModel|fitmodel|formatpoints|modifybins|modifypredictor|plotbins|predictorinfo|probdefault|score|screenpredictors|setmodel|table|validatemodel
Приложения
Темы
- Тематическое исследование для анализа протокола результатов кредита
- Припишите протоколам результатов ограниченные коэффициенты логистической регрессии
- Припишите моделированию протокола результатов отсутствующие значения
- Рабочий процесс Объекта compactCreditScorecard (Risk Management Toolbox)
- Результаты протокола результатов кредита Поиска и устранения проблем
- Пример тематического исследования Binning Explorer (Risk Management Toolbox)
- Протокол результатов кредита, моделируя рабочий процесс
- О протоколах результатов кредита
- Моделирование протокола результатов кредита Используя веса наблюдения
- Обзор Binning Explorer (Risk Management Toolbox)