更多风控建模、大数据分析等内容请关注公众号《bigdatafengkong》
将代码封装在函数PlotKS_N里，Pred_Var是预测结果，可以是评分或概率形式；labels_Var是好坏标签，取值为1或0，1代表坏客户，0代表好客户；descending用于控制数据按违约概率降序排列，如果Pred_Var是评分，则descending=0，如果Pred_Var是概率形式，则descending=1；N表示在将数据按风险降序排列后，等分N份后计算KS值。
PlotKS_N函数返回的结果为一列表，列表中的元素依次为KS最大值、KS取最大值的人数百分位置、KS曲线对象、KS数据框。
代码如下：
1 #################### PlotKS_N ################################ 2 PlotKS_N<-function(Pred_Var, labels_Var, descending, N){ 3 # Pred_Var is prop: descending=1 4 # Pred_Var is score: descending=0 5 library(dplyr) 6 7 df<- data.frame(Pred=Pred_Var, labels=labels_Var) 8 9 if (descending==1){10 df1<-arrange(df, desc(Pred), labels)11 }else if (descending==0){12 df1<-arrange(df, Pred, labels)13 }14 15 df1$good1<-ifelse(df1$labels==0,1,0)16 df1$bad1<-ifelse(df1$labels==1,1,0)17 df1$cum_good1<-cumsum(df1$good1)18 df1$cum_bad1<-cumsum(df1$bad1)19 df1$rate_good1<-df1$cum_good1/sum(df1$good1)20 df1$rate_bad1<-df1$cum_bad1/sum(df1$bad1)21 22 if (descending==1){23 df2<-arrange(df, desc(Pred), desc(labels))24 }else if (descending==0){25 df2<-arrange(df, Pred, desc(labels))26 }27 28 df2$good2<-ifelse(df2$labels==0,1,0)29 df2$bad2<-ifelse(df2$labels==1,1,0)30 df2$cum_good2<-cumsum(df2$good2)31 df2$cum_bad2<-cumsum(df2$bad2)32 df2$rate_good2<-df2$cum_good2/sum(df2$good2)33 df2$rate_bad2<-df2$cum_bad2/sum(df2$bad2)34 35 rate_good<-(df1$rate_good1+df2$rate_good2)/236 rate_bad<-(df1$rate_bad1+df2$rate_bad2)/237 df_ks<-data.frame(rate_good,rate_bad)38 39 df_ks$KS<-df_ks$rate_bad-df_ks$rate_good40 41 L<- nrow(df_ks)42 if (N>L) N<- L43 df_ks$tile<- 1:L44 qus<- quantile(1:L, probs = seq(0,1, 1/N))[-1]45 qus<- ceiling(qus)46 df_ks<- df_ks[df_ks$tile%in%qus,]47 df_ks$tile<- df_ks$tile/L48 df_0<-data.frame(rate_good=0,rate_bad=0,KS=0,tile=0)49 df_ks<-rbind(df_0, df_ks)50 51 M_KS<-max(df_ks$KS)52 Pop<-df_ks$tile[which(df_ks$KS==M_KS)]53 M_good<-df_ks$rate_good[which(df_ks$KS==M_KS)]54 M_bad<-df_ks$rate_bad[which(df_ks$KS==M_KS)]55 56 library(ggplot2)57 PlotKS<-ggplot(df_ks)+58 geom_line(aes(tile,rate_bad),colour="red2",size=1.2)+59 geom_line(aes(tile,rate_good),colour="blue3",size=1.2)+60 geom_line(aes(tile,KS),colour="forestgreen",size=1.2)+61 62 geom_vline(xintercept=Pop,linetype=2,colour="gray",size=0.6)+63 geom_hline(yintercept=M_KS,linetype=2,colour="forestgreen",size=0.6)+64 geom_hline(yintercept=M_good,linetype=2,colour="blue3",size=0.6)+65 geom_hline(yintercept=M_bad,linetype=2,colour="red2",size=0.6)+66 67 annotate("text", x = 0.5, y = 1.05, label=paste("KS=", round(M_KS, 4), "at Pop=", round(Pop, 4)), size=4, alpha=0.8)+ 68 69 scale_x_continuous(breaks=seq(0,1,.2))+70 scale_y_continuous(breaks=seq(0,1,.2))+71 72 xlab("of Total Population")+73 ylab("of Total Bad/Good")+74 75 ggtitle(label="KS - Chart")+76 77 theme_bw()+78 79 theme(80 plot.title=element_text(colour="gray24",size=12,face="bold"),81 plot.background = element_rect(fill = "gray90"),82 axis.title=element_text(size=10),83 axis.text=element_text(colour="gray35")84 )85 86 result<-list(M_KS=M_KS,Pop=Pop,PlotKS=PlotKS,df_ks=df_ks)87 return(result)88 } 接下来以实际数据为例查看该函数的运行结果。
pred_train是建模得到的预测结果，这里是概率形式：
> pred_train
[1] 0.40418112 0.35814193 0.45220572 0.53482002 0.12923573 ...
labels_train是好坏标签：
> labels_train
[1] 0 0 0 0 0 ...
函数运行的结果存放在train_ks里：
train_ks<-PlotKS_N(pred_train, labels_train, 1, 100)
我们来查看train_ks中的每一元素：
1、KS最大值
> train_ks$M_KS
[1] 0.4492765
2、KS取最大值的人数百分位置
> train_ks$Pop
[1] 0.3803191
3、KS曲线对象
