一、学习知识点概要

了解数据概况，学习金融风控中常见的分类算法评估指标和预测类评估指标。

二、学习内容

1、不同数据列的性质特征

2、分类算法的常见评估指标 

①混淆矩阵

• 若一个实例是正类，并且被预测为正类，即为真正类TP
• 若一个实例是正类，但是被预测为负类，即为假负类FN
• 若一个实例是负类，但是被预测为正类，即为假正类FP
• 若一个实例是负类，并且被预测为负类，即为真负类TN

②准确率（衡量预测准确数在总预测数中占比的指标，但是不适合样本不均衡的情况）

③精确率 （又称查准率，真正类（TP）占预测为正样本(TP+FP)的百分比）

④召回率（又称查全率，真正类（TP）占正样本(TP+FN)的百分比）

⑤F1 Score

⑥P—R曲线（P-R曲线是描述精确率和召回率变化的曲线）

⑦ROC曲线（又称感受性曲线，可以测试在不同的错判为正（FPR）条件下，所能达到的正确判断为正（TPR）的值）

⑧AUC（被定义为 ROC曲线 下与坐标轴围成的面积，显然这个面积的数值不会大于1。又由于ROC曲线一般都处于y=x这条直线的上方，所以AUC的取值范围在0.5和1之间。AUC越接近1.0，检测方法真实性越高;等于0.5时，则真实性最低，无应用价值。）

3、金融风控预测类常见的评估指标

①KS

在风控中，KS常用于评估模型区分度。区分度越大，说明模型的风险排序能力（ranking ability）越强。 K-S曲线与ROC曲线类似，不同在于

• ROC曲线将真正例率和假正例率作为横纵轴
• K-S曲线将真正例率和假正例率都作为纵轴，横轴则由选定的阈值来充当。

KS(%)	好坏区分能力
20以下	不建议采用
20-40	较好
41-50	良好
51-60	很强
61-75	非常强
75以上	过于高，疑似存在问题

②ROC

③AUC

三、学习问题与解答

准确率为什么不适用于样本不均匀的时候？

解答：

何为样本分布不均：

样本分布不均衡就是指样本差异非常大，例如共1000条数据样本的数据集中，其中占有10条样本分类，其特征无论如何你和也无法实现完整特征值的覆盖，此时属于严重的样本分布不均衡。

为何要解决样本分布不均：

样本分部不均衡的数据集也是很常见的：比如恶意刷单、黄牛订单、信用卡欺诈、电力窃电、设备故障、大企业客户流失等。

样本不均衡将导致样本量少的分类所包含的特征过少，很难从中提取规律，即使得到分类模型，也容易产生过度依赖于有限的数量样本而导致过拟合问题，当模型应用到新的数据上时，模型的准确性和健壮性将会很差。

四、学习思考与总结

在实际操作中，不存在可以完全拟合的模型。我们只能够掌握更多的拟合方式，找到其中拟合度最高的那种。没有最准确的算法，只有更优的算法。

标签：Task1,样本,负类,ROC,曲线,TP,风控,数据挖掘,预测
来源： https://blog.csdn.net/gdgydxzzh/article/details/116030388