信贷风控

Python数据分析案例61——信贷风控评分卡模型(A卡)（scorecardpy 全面解析）虽然在效果上，传统的逻辑回归模型通常不如现代的机器学习模型，但在风控领域，解释性至关重要。逻辑回归的解释性是这些“黑箱”模型所无法比拟的，因此，研究传统的评分卡模型依然是有意义的。传统的评分卡模型与机器学习模型的主要差异在于特征工程的处理。机器学习模型通常不需要对数据进行大幅度的调整，而传统评分卡模型则需要对数据进行分箱、编码、计算WOE（Weight of Evidence）等处理。

Python数据分析案例57——信贷风控模型预测评估及其可解释性(shap, scorecardpy包应用)在信贷风控场景下，其实模型的可解释性就变得很重要。在平时做一些普通的机器学习的案例的时候，我们根本不关心这些变量是怎么究竟影响到模型最后的决策的，随便直接把数据丢进去，再把要预测的数据丢进去就能出结果。但是在信贷模型下，每一个决策都得很谨慎，不然的话会造成极大的损失。因此需要把握好模型的对每一个特征的可解释性。