2. 评分卡建模基础：逻辑回归原理、WOE与IV值计算、特征分箱方法

信用评分卡的核心是逻辑回归模型，而特征分箱与证据权重（WOE）变换是连接原始数据与逻辑回归的桥梁。本章将系统讲解这三部分内容，帮助您理解评分卡从数据预处理到模型训练的全流程。

2.1 逻辑回归原理

逻辑回归（Logistic Regression）虽然名称中包含“回归”，但实际上是一种用于二分类问题的广义线性模型。在信用评分中，它用于预测借款人“违约”或“非违约”的概率。

2.1.1 模型形式

逻辑回归通过 Sigmoid 函数 将线性回归的输出映射到 (0, 1) 区间，表示违约概率：

P(y=1|x) = 1 / (1 + e^(-z))
其中 z = w0 + w1*x1 + w2*x2 + ... + wn*xn

这里，P(y=1|x) 是违约概率，x1, x2, ..., xn 是经过 WOE 变换后的特征，w0, w1, ..., wn 是模型权重。

2.1.2 评分卡转换

逻辑回归的输出概率可以通过线性变换转换为标准评分卡分数：

Score = Offset + Factor * ln(Odds)
其中 Odds = P / (1 - P)

实际应用中，通常设定两个基准点（如 600 分对应 Odds=50:1，每增加 20 分 Odds 翻倍）来求解 Offset 和 Factor。

2.2 WOE与IV值计算

WOE（Weight of Evidence，证据权重）和 IV（Information Value，信息量）是评分卡建模中最重要的特征工程工具。

2.2.1 WOE 定义与计算

WOE 衡量每个分箱中“好客户”与“坏客户”分布的差异：

WOE_i = ln( (Bad_i / Bad_total) / (Good_i / Good_total) )

其中 Bad_i 和 Good_i 分别是第 i 个分箱中的坏客户数和好客户数。

2.2.2 IV 值计算与特征筛选

IV 值用于衡量特征对目标变量的预测能力：

IV = Σ ( (Bad_i/Bad_total - Good_i/Good_total) * WOE_i )

2.3 特征分箱方法

特征分箱（Binning）是将连续变量或高基数离散变量划分为有限个区间（箱）的过程。分箱质量直接影响 WOE 变换的效果和模型稳定性。

2.3.1 三种主流分箱方法对比

2.3.2 卡方分箱算法步骤

1. 初始化： 将每个唯一值作为一个独立分箱
2. 计算卡方值： 对每对相邻分箱计算卡方统计量
3. 合并： 合并卡方值最小（差异最不显著）的相邻分箱
4. 重复： 重复步骤 2-3，直到达到预设分箱数或卡方阈值

卡方统计量公式：
χ² = Σ Σ ( (O_ij - E_ij)² / E_ij )

其中 O_ij 为观测频数，E_ij 为期望频数

2.4 分箱与WOE变换流程

下图展示了从原始特征到评分卡输入的完整处理流程：

2.5 分箱后处理与单调性约束

评分卡建模中，分箱后的 WOE 值应满足 单调性约束，即随着特征值增大，WOE 值单调递增或递减。这符合业务直觉（如年龄越大，违约风险越低）。

• 单调递增： 特征值越大，WOE 值越大（坏客户占比相对增加）
• 单调递减： 特征值越大，WOE 值越小（好客户占比相对增加）
• U型/倒U型： 某些特征（如年龄）可能呈现先降后升的形态，需结合业务判断

2.6 代码实现示例

以下 Python 代码展示了等频分箱与 WOE 计算的核心逻辑：

import pandas as pd
import numpy as np

def woe_iv_calc(df, feature, target):
    """
    计算WOE和IV值
    df: DataFrame
    feature: 特征名（已分箱）
    target: 目标变量名（0/1）
    """
    total_bad = df[target].sum()
    total_good = len(df) - total_bad
    
    grouped = df.groupby(feature)[target].agg(['count', 'sum'])
    grouped.columns = ['total', 'bad']
    grouped['good'] = grouped['total'] - grouped['bad']
    grouped['bad_pct'] = grouped['bad'] / total_bad
    grouped['good_pct'] = grouped['good'] / total_good
    grouped['woe'] = np.log(grouped['bad_pct'] / grouped['good_pct'])
    grouped['iv'] = (grouped['bad_pct'] - grouped['good_pct']) * grouped['woe']
    
    return grouped['woe'], grouped['iv'].sum()

# 等频分箱示例
df['age_bin'] = pd.qcut(df['age'], q=5, duplicates='drop')
woe_values, iv_value = woe_iv_calc(df, 'age_bin', 'default_flag')
print(f"特征 IV 值: {iv_value:.4f}")

2.7 本章小结

掌握本章内容后，您将能够独立完成评分卡建模中的特征工程与 WOE 变换，为后续的模型训练与在线推理打下坚实基础。