跳到主内容
快讯直播
AI智模界
AI 词典

评分卡:把模型输出变成可解释的分数

评分卡(Scorecard)是一套把特征映射成分值、加总得到总分,再用阈值做决策的评分规则。它常见于信用准入、反欺诈、营销分层等场景,核心不是给一个黑箱概率,而是给出一张能逐项核对的分值表。

它的做法很朴素:先对每个特征分箱(Binning),比如收入分几档、负债比分几档、近半年逾期次数分几档;每一档对应一个分值;申请人各项分值相加,得到总分。比如某评分卡给出 650 分,业务上规定 650 分以上自动通过,600 到 650 分人工复核,600 分以下拒绝。这里的分数是相对刻度,不是“65% 会还款”。它更像体检报告里的评分表:每项检查有分,总分过线才合格;而黑箱概率像医生只说“你 70% 健康”,却不告诉你哪项扣了分。

评分卡可以由专家规则直接写,也可以先训练逻辑回归(Logistic Regression)等模型,再把系数和证据权重(Weight of Evidence, WOE)转换成点数。转换后,分数可以进一步做校准(Calibration),映射成违约概率,但分数本身不等于概率。阈值(Threshold)也不是拍脑袋的 0.5,而要结合通过率、坏账成本和人工复核成本来定。

和相邻概念的区别可以看表:

对比项评分卡概率模型规则引擎
输出分项分加总分0 到 1 的概率命中或不命中
解释方式每项加分可直接查常需额外解释工具单条规则可读,组合多了难维护
决策方式总分对照分数线概率对照阈值按规则优先级拦截
典型用途信用准入、风险分层排序、推荐、预测硬性黑名单拦截

对从业者来说,评分卡的价值是可解释、可审计、可沟通:业务能看懂为什么拒,风控能监控分数漂移,合规能追溯每一项依据。对普通人来说,看到“信用分”“风险分”时不必把它当玄学,它通常就是分项打分再加总,关键是分数线怎么定、每项权重是否合理。

AI 生成本文由 AI 基于公开信息自动生成,仅供参考。