4. 线性模型的可解释性：线性回归与逻辑回归的系数解释、特征重要性排序、置信区间与p值、线性模型在金融风控中的解释案例。

线性模型是机器学习中最基础、可解释性最强的模型家族。本章将深入剖析线性回归与逻辑回归的系数含义、特征重要性度量、统计显著性检验，并通过金融风控案例展示如何在实际业务中应用这些解释技术。

4.1 线性回归系数解释

线性回归模型形式为：y = β₀ + β₁x₁ + β₂x₂ + ... + βₙxₙ + ε。每个系数 βⱼ 的含义是：在其他特征保持不变的情况下，特征 xⱼ 每增加一个单位，目标变量 y 的平均变化量。

4.2 逻辑回归系数解释

逻辑回归输出的是事件发生的概率，模型形式为：log(p/(1-p)) = β₀ + β₁x₁ + ... + βₙxₙ。系数解释基于对数几率（log-odds）。

• 对数几率解释：特征 xⱼ 每增加一个单位，对数几率增加 βⱼ。
• 几率比（Odds Ratio）解释：特征 xⱼ 每增加一个单位，事件发生的几率变为原来的 exp(βⱼ) 倍。
• 边际效应解释：在特定特征取值处，特征变化对概率的瞬时影响。边际效应随特征值变化，通常取均值处计算。

4.3 特征重要性排序

线性模型的特征重要性可以通过多种方式度量，每种方法反映不同的重要性视角。

4.4 置信区间与p值

统计推断为线性模型的可解释性提供了可靠性度量。置信区间和p值帮助我们判断系数是否统计显著。

• 置信区间（Confidence Interval）：通常计算95%置信区间 [βⱼ - 1.96×SE, βⱼ + 1.96×SE]。含义：重复抽样100次，约95个区间包含真实系数值。
• p值：零假设为“系数=0”时，观察到当前或更极端结果的概率。p < 0.05 通常认为特征显著。
• 解释规则：
  • 置信区间不包含0 → 特征显著（p < 0.05）
  • 置信区间越窄 → 估计越精确
  • p值大 → 不能拒绝“系数=0”的假设，但不等于“特征不重要”

# Python示例：使用statsmodels获取置信区间和p值
import statsmodels.api as sm
import pandas as pd

# 假设 X 为特征矩阵，y 为目标变量
X = sm.add_constant(X)  # 添加截距项
model = sm.OLS(y, X).fit()

# 输出系数、p值、置信区间
summary = model.summary()
print(summary)

# 获取具体指标
coef_df = pd.DataFrame({
    '特征': model.params.index,
    '系数': model.params.values,
    'p值': model.pvalues.values,
    'CI下限': model.conf_int()[0].values,
    'CI上限': model.conf_int()[1].values
})
print(coef_df)

4.5 线性模型在金融风控中的解释案例

金融风控是线性模型可解释性最典型的应用场景。监管要求（如巴塞尔协议、信贷公平法案）强制要求模型可解释，线性模型因其透明性成为首选。

4.5.1 信用评分卡模型

信用评分卡是逻辑回归在风控中的经典应用。模型输出违约概率，通过评分映射转换为整数分数。

# 评分卡映射示例
import numpy as np

# 假设逻辑回归系数
coefficients = {
    'intercept': -2.5,
    'income': 0.03,       # 月收入（千元）
    'age': 0.02,          # 年龄
    'debt_ratio': -0.8,   # 负债率
    'late_payment': -1.2  # 近6个月逾期次数
}

# 评分卡转换：Score = 600 + (log-odds) * 20
def calculate_score(features):
    log_odds = coefficients['intercept']
    for feat, val in features.items():
        log_odds += coefficients[feat] * val
    score = 600 + log_odds * 20
    return max(300, min(900, int(score)))

# 示例：某客户特征
customer = {'income': 15, 'age': 35, 'debt_ratio': 0.3, 'late_payment': 0}
print(f"客户信用评分：{calculate_score(customer)}")

4.5.2 特征贡献分解

对于单个客户的预测结果，可以分解每个特征的贡献值，实现个体化解释。

4.5.3 风控模型监控与再解释

模型上线后，需要持续监控系数的稳定性，确保可解释性不随时间退化。

4.6 线性模型可解释性的局限性

尽管线性模型可解释性强，但仍存在以下局限，需要在实际应用中注意：

• 特征交互缺失：线性模型假设特征独立影响目标，无法自动捕捉交互效应。需手动添加交互项。
• 非线性关系：对非线性关系拟合能力弱，可通过特征变换（如多项式、分箱）缓解。
• 异常值敏感：最小二乘法对异常值敏感，单个异常点可能大幅改变系数。
• 多重共线性：特征高度相关时，系数方差膨胀，解释不可靠。可通过VIF（方差膨胀因子）诊断。