Документация

Использовать screenpredictors(Панель инструментов управления рисками) из Toolbox™ управления рисками, чтобы разбить потенциально большой набор предикторов на подмножество, которое наиболее предсказывает переменную ответа кредитной карты. Используйте это подмножество предикторов при создании creditscorecard объект.

Создать creditscorecard объект для анализа кредитной карты показателей путем указания данных «обучения» в формате таблицы. Учебные данные, иногда называемые ракурсом моделирования, являются результатом нескольких задач подготовки данных (см. О кредитных картах показателей), которые должны быть выполнены перед созданием creditscorecard объект.

Можно использовать необязательные входные аргументы для creditscorecard для указания свойств карты показателей, таких как переменная ответа и GoodLabel. Выполните некоторые первоначальные исследования данных, когда creditscorecard создается объект, хотя анализ данных обычно выполняется в сочетании с объединением данных (см. шаг 2). Дополнительные сведения и примеры см. в разделе creditscorecard и шаг 1 в Истории успеха для анализа кредитных карт показателей.

Создать creditscorecard объект с использованием обучающих данных.

При создании creditscorecard для кредитной карты показателей можно указать данные «обучения» в формате таблицы. Учебные данные, иногда называемые ракурсом моделирования, являются результатом нескольких задач подготовки данных (см. О кредитных картах показателей), которые должны быть выполнены перед созданием creditscorecard объект.

Можно использовать необязательные входные аргументы для creditscorecard для указания свойств карты показателей, таких как переменная ответа и GoodLabel. Выполните некоторые первоначальные исследования данных, когда creditscorecard создается объект, хотя анализ данных обычно выполняется в сочетании с объединением данных (см. шаг 2). Дополнительные сведения и примеры см. в разделе creditscorecard и шаг 1 в Истории успеха для анализа кредитных карт показателей.

Складируйте данные.

Выполнение ручной или автоматической привязки данных, загруженных в creditscorecard объект.

Общей отправной точкой является применение автоматического связывания ко всем или выбранным переменным с помощью autobinning, отчет с использованием bininfoи визуализировать информацию о ячейках в отношении количества ячеек и статистики или показателей ассоциации, таких как вес доказательств (WOE), используя plotbins. Ячейки могут быть изменены или отлажены вручную с помощью modifybins или с другим алгоритмом автоматического связывания с использованием autobinning. Ячейки, показывающие близкий к линейному тренд в WOE, часто желательны в контексте кредитной карты показателей.

Кроме того, с помощью панели инструментов управления рисками можно использовать приложение Binning Explorer для интерактивного хранения. Binning Explorer позволяет в интерактивном режиме применять алгоритм binning и изменять ячейки. Дополнительные сведения см. в разделе Binning Explorer (панель инструментов управления рисками).

Дополнительные сведения и примеры см. в разделе autobinning, modifybins, bininfo, и plotbins и шаг 2 в Истории успеха для анализа кредитных карт показателей.

Подберите модель логистической регрессии.

Соответствие модели логистической регрессии данным WOE из creditscorecard объект. fitmodel функция внутренне складирует обучающие данные, преобразует их в значения WOE, отображает переменную ответа так, чтобы 'Good' является 1и подходит под модель линейной логистической регрессии.

По умолчанию fitmodel использует пошаговую процедуру, чтобы определить, какие предикторы должны быть в модели, но необязательные входные аргументы также могут использоваться, например, для соответствия полной модели. Дополнительные сведения и примеры см. в разделе fitmodel и шаг 3 в Истории успеха для анализа кредитных карт показателей.

Кроме того, можно применить ограничения равенства, неравенства или ограничения для соответствия модели логистической регрессии данным WOE из creditscorecard объект с использованием fitConstrainedModel.

Просмотрите и отформатируйте баллы кредитной карты показателей.

После подбора логистической модели используйте displaypoints для суммирования точек карты показателей. По умолчанию точки не масштабируются и поступают непосредственно из комбинации значений веса доказательства (WOE) и коэффициентов модели.

formatpoints функция позволяет управлять масштабированием и округлением точек карты показателей. Дополнительные сведения и примеры см. в разделе displaypoints и formatpoints и шаг 4 в Истории успеха для анализа кредитной карты показателей.

При необходимости можно создать компактную кредитную карту показателей с помощью

Создание compactCreditScorecard объект, использование compact для создания compactCreditScorecard объект. Затем можно использовать следующие функции: displaypoints(инструментарий управления рисками), score(инструментарий управления рисками), и probdefault(Панель инструментов управления рисками) из панели инструментов управления рисками с помощью compactCreditScorecard объект..

Оцените данные.

score функция вычисляет баллы для данных обучения.

Дополнительный ввод данных также может быть передан score, например, данные проверки. Баллы на предиктор для каждого клиента также предоставляются в качестве необязательного выходного сигнала. Дополнительные сведения и примеры см. в разделе score и шаг 5 в Истории успеха для анализа кредитных карт показателей.

Вычислите вероятность дефолта для показателей кредитной карты показателей.

probdefault для вычисления вероятности по умолчанию для обучающих данных.

Кроме того, можно вычислить вероятность по умолчанию для другого набора данных (например, набора данных проверки) с помощью probdefault функция. Дополнительные сведения и примеры см. в разделе probdefault и шаг 6 в Истории успеха для анализа кредитной карты показателей.

Проверьте модель кредитной карты показателей.

Используйте validatemodel функция для проверки качества модели кредитной карты показателей.

Можно получить графики «Профиль кумулятивной точности» (CAP), «Рабочая характеристика приемника» (ROC) и «Колмогоров-Смирнов» (KS) и статистику для данного набора данных, используя validatemodel функция. Дополнительные сведения и примеры см. в разделе validatemodel и шаг 7 в Истории успеха для анализа кредитной карты показателей.