针对不平衡数据的模型评判
当得到一个模型时的评价标准。 确定该模型分数的阈值。
根据AUC ROC KS值去判断 和确定该模型的好坏和阈值。
AUC值：
AUC是一个基于ROC图的面积。一般是一个上凸形状。面积越接近1，则说明模型判别效果越好。如下图：
其横坐标是FPR-假正率。其纵坐标是TPR-真正率。
FPR=FP/(FP+TN) 即 认为是正例的 实际却是负例 / 所有负例
TPR=TP/(TP+FN) 即 认为是正例的 实际也是正例 /所有正例
假象中 若需要实现上凸的结果。则需要 横坐标较小时，纵坐标较大。
我们一般让模型输出一个分数，在授信阶段的这个分数，我们业界一般称为A卡分，即 Application Score Card，申请评分卡。在贷中环节有B卡分，即 Behavior Score Card。在贷后催收环节，还有C卡分，Collection Score Card。
一般而言A卡分，分数越小用户越差，分数越大用户越好。这也和大多数的征信分意义一致，如芝麻分、百维分、华策分。
假设A卡分的取值是0-100分。那么设拒绝阈值为X。当X=20时，会拒绝一部分用户，这部分用户里面可能是有真正坏的人，也有好用户。
如以cita为阈值时，TP和FP是拒绝的用户，而TP则是真正坏的人，FP是好人。那一般好模型会希望如上图好坏用户的分布比例。先是坏用户比例高，然后是好用户比例高。
由于TPR和FPR是以总体的正样本数和负样本数单独计算的，所以如果AUC大，可以回答：不论正负样本的分布比例，这个模型的区分能力总体上是很好的！
在风控模型里面，一般认为 坏人是正例，是需要我们找出来的。 而好用户是负例。
那么当X=20时，如果模型有效，那么真正坏的比例应该高，而好用户比例低。
那么应该 TPR 大，FPR小。为了实现上凸的效果，需要FPR为横坐标，TPR为纵坐标。
ROC曲线是使阈值X遍历所有，预测的正样本和负样本在不断变化，直到覆盖了总体，此时TPR=1 TPR=1。
AUC值的一个意义是，反应模型对正负样本的排序能力强弱。理论上，当模型把所有正样本排在负样本之前时，auc=1，为理论最大值。
但是AUC本身不提供一个最优阈值，只是表示这个模型分数对正负样本有一定的区分能力。
具体需要 确定最优阈值时，我们选用了 KS值，来进行确定。
KS值一般取值范围为【0,1】，KS值越大，表示模型能将正负样本区分开来的程度越大。但并非越大越好，尤其是在征信模型中。
征信模型中，最期望得到的信用分数分布是正态分布。如果KS过大，如超过0.8，就可以认为正负样本分得过开，这可能表明信用分数和样本分布不呈正态分布，可能是极端分布，如U字形，像这种分数的使用，需要谨慎。
KS值=max(TPR-FPR) ，此时阈值则为最佳阈值，可用模型和这阈值进行用户区分。
KS值得计算，可以是分组计算，也可以是逐个逐个数据进行计算，此时仍然可以算出TPR和FPR，进而算出KS值。
============================
还有一些不大常用的评价指标
precision 准确率=TP/(TP+FP) 即拒绝的用户中真正坏的用户/拒绝的用户数 【这个指标，会随着测试集的正负比例的改变而改变】
TPR=recall = 召回率=TP/(TP+FN) 即 拒绝且真正坏的用户/ 全部坏的用户
specificity =1-FPR=1-FP/(FP+TN)=TN/(FP+TN)
TPR 和 FPR都是条件概率，不受样本情况影响。
对于恶劣分类情况，即【宁可杀错一千，不过放过一个】，那需要在设定合理的 precision下，提高recall。找到这个情况下的阈值。
