评分卡模型案例（GiveMeSomeCredit，kaggle数据）（自己练习版本）

最新推荐文章于 2026-05-07 22:07:53 发布

原创

最新推荐文章于 2026-05-07 22:07:53 发布 · 1.9k 阅读

标签

#大数据 #数据挖掘

评分卡模型简介

‌评分卡模型‌，也称为信用评分卡模型，是常用的金融风险控制手段之一。根据客户的各种属性和行为数据，利用信用评分模型，对客户的信用进行评分，从而决定是否给予授信，授信的额度和利率，减少在金融交易中存在的交易风险。
按照不同的业务阶段，可以划分为三种：
贷前：申请评分卡（Application score card），称为A卡
贷中：行为评分卡（Behavior score card），称为B卡
贷后：催收评分卡（Collection score card），称为C卡

评分卡模型具有简单、直观、易于理解的特点，广泛应用于个体信用评估、贷款审批、风险控制等领域。同时，评分卡模型也可以根据实际情况进行调整和优化，提高模型的准确性和适应性。例如，支付宝芝麻信用分。

1、数据准备

数据来源：Kaggle，下载地址：Give Me Some Credit | Kaggle

Variable Name	中文解释	Description	Type
SeriousDlqin2yrs	要预测的标签，逾期90天或更糟糕的人	Person experienced 90 days past due delinquency or worse	Y/N
RevolvingUtilizationOfUnsecuredLines	信用卡和个人信用贷款（花呗、借呗、微粒贷等）已经透支的钱占总信用额度的比例。比例越高，说明透支越大，越有可能还不上	Total balance on credit cards and personal lines of credit except real estate and no installment debt like car loans divided by the sum of credit limits	percentage
age	年龄	Age of borrower in years	integer
NumberOfTime30-59DaysPastDueNotWorse	借款人逾期30-59天的次数（但在过去两年没有更糟糕）	Number of times borrower has been 30-59 days past due but no worse in the last 2 years.	integer
DebtRatio	每月债务支付、赡养费、生活费总和除以收入总和，比例越高，越有可能还不上	Monthly debt payments, alimony,living costs divided by monthy gross income	percentage
MonthlyIncome	月收入	Monthly income	real
NumberOfOpenCreditLinesAndLoans