智能信用评分 — Logistic 回归模型开发与测试

项目背景

信用评分是金融机构评估借款人信用风险的核心工具。

• 传统评分卡模型依赖人工经验规则，开发周期长。

互联网金融飞速发展，使得个人金融理财变得越来越容易。而其中信用评分技术是一种对贷款申请人（信用卡申请人）做风险评估分值的统计模型，可以根据客户提供的资料、客户的历史数据、第三方平台数据（芝麻分、京东、微信等），对客户的信用进行评估。

现要求根据提供的finance数据集，补全2.2.1.ipynb代码。选择合适的特征，开发一个申请的评分模型，利用测试工具对模型进行测试，并对测试结果进行分析，完成测试报告，并运用工具对错误原因进行纠正。

Logistic 回归原理

通过 sigmoid 函数将线性回归输出映射到 (0,1) 区间：

$$P(y=1|x) = \frac{1}{1 + e^{-(w^Tx + b)}}$$

为什么选 Logistic 回归

• 可解释性强 — 每个特征权重直接反映对违约概率的影响方向
• 输出概率 — 天然输出 0~1，方便映射为信用分数
• 稳定性好 — 对数据扰动不敏感
• 监管合规 — 金融行业要求模型可解释

特征工程

特征类别	特征名称	说明
个人信息	年龄、性别、婚姻状况	人口统计
收入负债	月收入、负债率、信用卡数量	还款能力
信用历史	逾期次数、最长逾期天数、信用年限	历史行为
贷款信息	贷款金额、贷款期限、利率	贷款属性

数据预处理

1. 缺失值处理：中位数填充数值型，众数填充分类型
2. WOE 编码：连续变量和分类变量转证据权重
3. IV 值筛选：保留 IV > 0.02 的强预测变量
4. 多重共线性检验：VIF < 5

工作内容

1. 正确加载数据集，显示前五行的数据。
2. 使用Logistic模型进行模型训练，要求设定自变量和因变量，并根据自变量特征进行模型训练，最终将训练好的模型以文件名2.2.1_model.pkl保存到考生文件夹，结果文件以2.2.1_results.txt保存到考生文件夹。
3. 使用测试工具对模型进行测试，并记录测试结果，命名2.2.1_report.txt，保存到考生文件夹
4. 运用工具分析算法中错误案例产生的原因并进行纠正，重新得到模型训练结果，以文件名2.2.1_results_xg.txt保存到考生文件夹。
5. 将以上代码以及运行结果，以html格式保存并命名为2.2.1.html，保存到考生文件夹，考生文件夹命名为“准考证号+身份证后6位”。
6. 对测试结果进行详细分析，并编写测试报告，包括模型性能评估、错误分析及改进建议，将答案写到答题卷文件中，答题卷文件命名为“2.2.1.docx”，保存到考生文件夹。

模型训练

from sklearn.linear_model import LogisticRegression
from sklearn.model_selection import train_test_split

X_train, X_test, y_train, y_test = train_test_split(
    X_woe, y, test_size=0.3, random_state=42, stratify=y
)

model = LogisticRegression(penalty='l2', C=1.0, solver='liblinear', max_iter=1000)
model.fit(X_train, y_train)

模型测试

区分度（AUC / KS）

指标	训练集	测试集	通过线
AUC	0.782	0.768	> 0.70
KS	0.412	0.398	> 0.30

稳定性（PSI）

测试集 PSI = 0.073，模型稳定（< 0.1）。

评分卡转换

将概率映射为 300~850 信用分数：

$$Score = A - B \times \ln(odds), \quad A = 600, \; B = \frac{50}{\ln(2)}$$

分数区间	风险等级	建议
750+	AAA	优先授信
700-749	AA	正常授信
650-699	A	审慎授信
600-649	B	需要增信
< 600	C	拒绝或高利率

总结

Logistic 回归在信用评分场景下：可解释、稳定、合规。配合完整测试体系（区分度、稳定性、校准度），可构建工业级风控模型。