Создайте creditscorecard
объект создать модель протокола результатов кредита
Создайте модель протокола результатов кредита путем создания creditscorecard
возразите и задайте входные данные в формате таблицы.
После создания creditscorecard
объект, 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.
Использование screenpredictors
(Risk Management Toolbox) от 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 creditscorecard
объект.
Создайте creditscorecard
объект (см., Создает creditscorecard и Свойства).
Интервал использование данных autobinning
.
Соответствуйте использованию модели логистической регрессии fitmodel
или fitConstrainedModel
.
Рассмотрите и отформатируйте использование точек протокола результатов кредита displaypoints
и formatpoints
. В этой точке в рабочем процессе, если у вас есть лицензия на Risk Management Toolbox, у вас есть опция, чтобы создать compactCreditScorecard
объект (csc
) использование compact
функция. Можно затем использовать следующие функции displaypoints
(Risk Management Toolbox), score
(Risk Management Toolbox), и probdefault
(Risk Management Toolbox) от Risk Management Toolbox с csc
объект.
Выиграйте использование данных score
.
Вычислите вероятности значения по умолчанию для использования данных probdefault
.
Подтвердите качество использования модели протокола результатов кредита validatemodel
.
Для более подробной информации об этом рабочем процессе см., что Протокол результатов Кредита Моделирует Рабочий процесс.
создает sc
= creditscorecard(data
)creditscorecard
объект путем определения data
. Модель протокола результатов кредита, возвращенная как creditscorecard
возразите, содержит карты раскладывания или правила (точки разделения или группировки категории) для одного или нескольких предикторов.
Свойства наборов с помощью пар "имя-значение" и любого из аргументов в предыдущем синтаксисе. Например, 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
Использовать наблюдение (выборка) веса в рабочем процессе протокола результатов кредита, при создании creditscorecard
объект, необходимо использовать дополнительную пару "имя-значение" WeightsVar
задавать который столбец в data
содержит веса.
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 |
fillmissing | Замените отсутствующие значения для предикторов протокола результатов кредита |
modifybins | Измените интервалы предиктора |
bindata | Сгруппированные переменные предикторы |
plotbins | Гистограмма графика значит переменные предикторы |
fitmodel | Подбирайте модель логистической регрессии к данным о Весе доказательства (WOE) |
fitConstrainedModel | Подбирайте модель логистической регрессии к субъекту данных Веса доказательства (WOE) к ограничениям на коэффициенты модели |
setmodel | Установите предикторы модели 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 |
[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.
autobinning
| bindata
| bininfo
| displaypoints
| fillmissing
| fitConstrainedModel
| fitmodel
| formatpoints
| modifybins
| modifypredictor
| plotbins
| predictorinfo
| probdefault
| score
| setmodel
| table
| validatemodel
| screenpredictors
(Risk Management Toolbox)