第3节 模型分组
3.1 目的
要清晰模型分组的目的，就要从两方面去思考
- 为什么要分组：提升模型性能（针对不同分组开发子模型，进而大幅提升整体模型预测能力）
- 为什么要这么分：能实现组内差异小，组内差异大
评分卡模型开发，就相当于设计一张试卷，然后用客户个人属性、信贷历史等来答题，进而给客户打分实现分类。模型中有多少个变量，就相当于试卷中有多少道题，每道题ABCD对应不同分值，所有题得分汇总就是客户总分。
假如客户中有小学生和大学生，用同一套试卷去考试。假如题目全是微积分、线性代数，那对大学生有比较好的区分效果，但小学生全是0，没有任何区分。反之，若题目全是二位数加减乘除，虽然能对小学生进行区分，但大学生全是满分。
所以，最好的方法就是对客户进行分组，不同的分组设计不同的试卷，实现对每一组客户的区分。
3.2 要求
要进行模型分组，必须满足一些前提要求：
- 各分组必须都包含足够样本量，以进行模型开发
- 分组间的好坏样本比值要具有显著差异
- 分组模型的优劣和最终选择，是需要基于整体模型的最终性能来决定的
3.3 方法
常用的模型分组方法有三种，但不管哪种都必须结合业务经验，能有业务解释：
- 基于数据：根据数据自身特性。比如征信数据就可以简单划分为有征信、无征信
- 基于业务：通过业务流程和历史经验，找到可能分组，并用统计分析验证。比如房贷模型分有/没有过房贷
- 基于统计：借助统计分析方法，如决策树和聚类分析。但必须结合业务，在业务逻辑上能解释得通
目前，我们使用的分组方法是基于统计（数据驱动），但这有时有一定局限性，比如数据本身有一定偏差（数据采样造成），那么分组就不具有普适性，有过拟合风险。就需要加入业务尺度去衡量分组结果，因为过拟合的结果在业务上无法解释。所以，「模型分组必须是基于业务和基于统计的结合」
3.4 结果
以消费贷模型为例，通常把客户分为以下五组：
- 征信缺失或极少
- 无逾期少征信
- 无逾期多征信
- 有逾期少征信
- 有逾期多征信