在金融风控领域，无人不晓的应该是评分卡，美国fico公司算是评分卡的始祖，始于 20世纪六十年代， 评分卡大致20世纪末传入我国，我能看到国内较早关于评分卡的讲解的书籍是2005出版的。在中国 信贷 房贷车贷 高利贷 普惠金融的滋润下，评分卡这项对风控有显著效果的一项技术浮出水面。
简单来理解评分卡，其实评分卡 就是 一个简单的决策树，不过叶子节点都是数值，那么根节点的养料是什么，养料其实就是你个人当时最原始的征信信息和个人信息
你的 收入 学历 居住地居住时间 年龄 家庭人口 是否单身 工龄 现在单位工作时间
你的存款 你的逾期次数 你的银行卡数量 信用卡数量 ，信用卡额度 信用卡种类，突然间，发现我在申请一些资本主义国家签证时，准备的材料基本上就是这些，其实我们 不管做什么申请，只要是让你提供个人信息资料等等，都可以看做是一个朴实的评分卡模型，只是稍微有点区别，本质上就是通过你的申请资料给你打分，及格就通过申请，不及格就驳回拒绝。
那么在互联网金融风控领域的标准评分卡又是什么鬼？当然不是鬼，是一门很有效用的技术，我通过给你提供的资料打分，比如月收入超过一万 打分30分，超过两万的打分50，月收入无的打 负分 -20，学历 研究生以上打分67分，本科46分，专科23分，高中高职 中专16分，初中及以下负分-8，居住地时间，超过五年78分，超过三年45分，不足一年负分-64.。。。大家可以看到我对以上我所关注的几项特点【feature】都做了相应的打分情况，通过这些打分，最后对一条记录 【一个申请贷款的个体人】他会有一个 求和的总分score，比如我的总分区间是300-900，低于600分的统统拒绝驳回，只有600分以上的才可以通过申请放款，那么就看这个人实际有多少分，决定了他到底能不能拿到贷款，但是现实中还有更精细的操作 ，不是驳回了就没有机会了，还有 拒绝推断，意思其实还是从沙子里挑出金子来，在低于600分以下的再做统计推断，会挽留一部分人继续放贷，超过600分的也不一定都能拿到满意的贷款，比如在600-750之间我再做统计推断，再拒绝一部分人 还有对一部分人的贷款额度只满足其70% 等等
接着我们来看，如果你注意到，我们对每个feature 都做了间隔区分，一个特征分了好几个档次，每个档次打分都不一样，正所谓 因为有阶级的存在才会有不平等，但是阶级永远不可能被消灭，就好比矛盾，旧的生产关系消失了 自然 旧的矛盾也就销声匿迹了，但是迎面新的生产关系和生产力而来的 次要矛盾就会占领 C位，武力消灭的旧的阶级，未来在新的阶级就会因为生产关系切换不断分化出新的小鸡鸡 【阶级】，对于评分卡 最重要的就是我们如何来分档【分箱】，如何为每个档设置合理的分数[woe iv],可以看得出评分卡这个幺蛾子就被我们给分解掉了。
那我们来说说分箱吧
分箱其实就是为了给评分卡分档区别，评分卡拿到的原始数据刚开始可能都是一些类别数据，比如 张三【 本科 月收入1万 居住地3年 信用卡3张 28岁 单身 工龄3年 先工作入职一年 白金卡一张 信用额度缺失 。。。】
看到么，这些原始的数据 都是文字描述 ，并不可以直接放入评分卡程序中跑分的。
需要我们首先对数据做预处理 比如缺失值异常值 等等处理，然后是数据类型的转换，str 转int float ，把文字的描述转为 数值型特征，或者 one-hot编码 ，有一大部分数值型特征他是连续值，对于连续值 如果直接使用，对模型未来的泛化能力其实不大，容易过拟合，并且容易受噪音数据 极值影响，对模型的贡献有限，但是如果 把连续值转化为离散值，那么噪音影响减弱，泛化能力加强，模型的可解释性更强。那么 连续值转为离散值的这个过程就叫分箱
分箱 最朴实的有两种 等频 和等距，啥意思呢，
等频 就是把一个分箱的区间段看做箱子，每个箱子放的样本数量是一致的，相等的，等频会考虑 箱子的样本数量，但是不会考虑箱子大小间隔长度。
等距就是 分箱的每个区间段都是相等 大小的，但是每个箱子里的装的样本就不一定是相等的了，等距 只考虑箱子相同大 ，但是不会考虑箱子到底装多少
当然 不管哪一种分箱 ，箱子的个数大部分是需要你人为指定的。
前两种分箱 都是比较机械，有很大的局限性，我们分箱的目的是啥，是为了区分样本，正确的分箱可以将样本的信息及趋势暴露出来，假如我们学历分箱，【辍学过，小学到博士】那么这样的分箱 学历基本就废掉了，他无法体现出学历的价值，小学生毕业和博士生毕业，两者的社会信誉度和诚信度简直一个天上一个地下，两者放一个区间段，还怎么判断。所以 在评分卡中我们尤为关注的是分箱。
怎么分箱比较合理呢 ，fico 中model Builder 给出 了 一部分答案，
fico 分箱 主要两部分，先细分箱 然后再分箱合并，因为fico细分箱的粒度并不是很细，在分箱合并的时候 ，大部分是可以手工完成的。不过分箱合并也是有三个过程，计数合并阶段，要求每个分箱的样本量不低于多少，正负样本不少于多少，相似合并 则是计数原来每个分箱的 woe iv 值，以iv损失最小的相邻合并，注意了，以我们现在朴实逻辑抽象出来的分档 是有一个类似线性的趋势，一般都是相邻合并，最后是趋势合并，
fico 本身可以自己分箱不用人为干预，但是效果不是最理想的。
接着我们来看分箱的高阶思路，既然我们分箱是为了更好的区分样本，使其暴露更多的信息价值，来拟合一些趋势，那么我们就往这方便思考，什么可以让他做到这些。
第一 卡方检验分箱 第二信息熵 第三贝叶斯分箱
如果使用这三种分箱，你会发现 分箱 1不等距 2 不等频，但是分箱的区分度大大提升
https://blog.csdn.net/pylady/article/details/78882220
评分卡在做分箱的时候，必然会把每个特征 每个分箱区间的 woe iv 计算出来。
https://blog.csdn.net/sscc_learning/article/details/78591210
之后就会有区别了，最古老的评分卡在纸上打钩操作
在上世纪计算机远远不太发达的时候，评分卡都是当时的美国银行的信贷风控数据分析师手动在纸上填写 打钩的，每个特征 在每个区间具体打多少分，也是有公式的，最后给你打出一个总分来。这样一来你的分数就固定了下来，剩下的操作就是放贷部门参考给你的打分，为你量身定做放款数额或者驳回。
同时与信贷相关的就是信用卡申请，朴素现实意义来说，信用卡其实就是一款小额的个人信用无抵押借贷形式，一次申请一次审核 多次复用信贷，相比 小额借贷是每次申请 都要单独审核，信用卡的优势和风险就更多了。所以信用卡申请也是可以用评分卡的，
另外信贷 形式可以分很多种 ，线上消费分期 线上现金分期 线下消费分期 线下现金分期 车贷单独 房贷 装修贷 留学贷款 信用卡抵偿 套现 等等多种场景，每种场景的模型都会有很大的区别。
在互联网发达起来，计算机耗材 性能大幅度提升，我们的评分卡不再仅仅是【纸上谈兵】，开始使用更高级的技术，机器学习 和深度学习
我们在之前的数据分箱 清洗后，在归一化 标准化 无量纲 one-hot 时间衍生 ，特征组合，我们还要做好 单变量分析 多变量相关系分析 通过聚类散点图查看 一些信息特征，做估计和假设检验，完成统计学相关的操作后， 我们就可以使用机器学习的套路对其进行学习，原来纸上的评分卡是没有预测能力的，只是来个人，我看你的个人信息 给你打分【朴素来说，打分打得好 打的快 靠心算也算是人的预测能力吧】，现在使用机器学习我把数据分为 训练集 和测试集，用带标签的训练集来训练数据，然后再用测试集来验证结果。
那我们来说，过来申请借贷的人，本身不带标签target，我们怎么知道他是好人【可以偿还到底】，坏人【跑路欺诈】，假如都带上了，还要什么风控组，谁敢给带坏标签的人 放贷，真金白金都是钱呀，真要放了，肯定是肉包子打狗一去不回头，这个时候我们需要人为的设置标签，一般来说我们的标签来自这个人之前的信贷历史，这个人至少是有个人征信记录的，之前办理过贷款 还贷的经历，所以来说，单单有个人学历 居住地户口也是不敢轻易放贷的，因为不知道你的诚信度到底深浅，当然也有本科 研究生骗贷跑路的。以你的个人征信记录 做加工分析，有一个账龄分析，一般来说 M1 30天就有个大概了，好像是80%，当然也是有迁移率，比如还着贷 突然资金链断了不还了，或者逾期了， 经过催账 又开始还了，中间断断续续，或者一直在还了好久突然人间蒸发跑了。放贷是一个长期工程，观察期 和表现期 漫长，都知道下蛋公鸡不是正经的
，和普通机器学习以auc roc为评估衡量标准，评分卡 的机器学习更关注 ks 值，这个ks其实就是正负样本的区分程度，区分度越大 ks值就越大，这个ks 一般只求最大的区别最为模型的ks值，这个时候 TP TN FN FP 召回率 准确率 精准率 F1-score ,其实和ks 是有点类似的。
一般来说我们在使用评分卡做机器学习，或者说是用机器学习做评分卡，我们常用的模型 就是逻辑回归 GBDT DNN RNN，假如我们用逻辑回归，我们最后得到的其实是一个 判断这个人是什么的概率或者优势，一般处于0-1之间，那我们如何把这个概率或者优势转换为 评分卡的score呢，当然也是有公式的。
通过这个公式 我们就可以解释出他拿到这个分数
https://blog.csdn.net/strwolf/article/details/51576469
至此评分卡的原理基本上算是初步讲完，评分卡现在来说是一个比较成熟的技术，在国内还比较小众，一些国有银行已经开始涉足使用。
https://data-science-tools.github.io/ScoreCardModel/ScoreCardModel.html#id8
https://jakevdp.github.io/blog/2012/09/12/dynamic-programming-in-python/
https://github.com/data-science-tools/ScoreCardModel
