评分卡模型开发流程

1. 数据准备：确定评分卡模型的应用场景，从数据库中获取相关的历史信用评分数据。 2. 数据预处理：对原始数据进行预处理，包括缺失值处理、异常值处理、特征离散化、特征无量纲化等。 3. 特征选择：选取最能代表信用风险的特征作为评分卡的输入变量。一般而言，要使用与信用风险相关性最大的前20%~30%特征来作为评分卡输入变量。 4. 构建评分函数：根据特征选定后的输入变量来决定采用何种方法来进行评分函数的建立，如Logistic回归、决策树、神经网络或SVM之间进行选取。 5. 诊断性能测试：对于已建立好的评分卡函数进行AUC/KS/Gini/PSI/IV测试以对性能进行最优化。