一文完全理解模型ks指标含义并画出ks曲线(包含代码和详细解释) |
您所在的位置:网站首页 › 模型ks和auc一般是多少比较好 › 一文完全理解模型ks指标含义并画出ks曲线(包含代码和详细解释) |
KS(Kolmogorov-Smirnov):KS用于模型风险区分能力进行评估, 指标衡量的是好坏样本累计分部之间的差值。 好坏样本累计差异越大,KS指标越大,那么模型的风险区分能力越强。 k s = m a x ( C u m . B i B a d t o t a l − C u m . G i G o o d t o t a l ) ks = max(\frac{Cum. B_i}{Bad_{total}} - \frac{Cum.G_i}{Good_{total}}) ks=max(BadtotalCum.Bi−GoodtotalCum.Gi) 上面是ks的简单介绍,相信大家看了这几句话和一个公式,肯定还是不懂ks到底是个什么。我也是研究了一下,终于搞清楚了ks的具体计算方式。搞清楚了计算方式后,ks的含义自然就清楚了。 下面我会详细讲解实现方法,相信如果你看完本文章,肯定可以理解ks。以下内容均为个人纯手打,难免有些疏漏,如有错误,请大家指出。 本文会介绍两种计算ks的方法: 第一种是我自己手动写代码实现的,可以帮助你理解ks含义; 第二种是sklearn模块里面的roc_curve函数计算,通过第一种方法理解了ks后,实际应用中使用第二种方法,更方便。 ks的计算流程话不多说,先看代码,后面会解释代码,顺便解释清楚ks含义。 import numpy as np import pandas as pd def ks(df, y_true, y_pre, num=10, good=0, bad= |
今日新闻 |
点击排行 |
|
推荐新闻 |
图片新闻 |
|
专题文章 |
CopyRight 2018-2019 实验室设备网 版权所有 win10的实时保护怎么永久关闭 |