实习接触到的数据大多来自于金融公司，这类模型关注风险，目的是降低风险而使得在风险和收益的博弈中最大化利润。模型评价指标不局限于准确率等常规指标，往往引入了更复杂的指标衡量模型的效果。以下介绍风控场景下常见的模型评价指标。
数据含义
模型处理的数据是客户的身份信息（性别、年龄、教育程度等）、存款情况、交易行为等信息。原始数据标签一般为二分类，其中0代表好客户，1代表坏客户。建模时最常用到逻辑回归，模型预测这个客户是坏的概率（如表示信用不良、贷款逾期等）。
风控场景下关注的模型指标包括但不限于以下表格：
其中统计学/机器学习中通用的概念，如混淆矩阵、AUC，ROC等不再赘述。
Gini
KS值
定义：
KS全称Kolmogorov-Smirnov，是信用评分和其他很多学科中常见的统计量，用于衡量模型对正负样本的区分度。KS值为累计坏人占比与累计好人占比的差值绝对值的最大值。
KS检验：比较频率分布f(x)与理论分布g(x)或两个观测值分布的是否一致检验方法，原假设两个数据分布一致或数据符合理论分布，统计量D=max|f(x)−g(x)|。
计算方式：
与ROC曲线类似，我们可以将累计坏人占比与累计好人看作不同阈值下的TPR和FPR，则
取值说明：
- KS<0.2 模型的区分能力不高，价值不大；
- 0.2<=KS<0.4 一般金融机构开发的评分模型KS大部分都集中在这个区间内，模型具备一定的区分能力和使用价值，此时可以结合其他指标继续观察调优模型；
- 0.4<=KS<=0.7 模型区分能力比较好，模型有应用价值；
- KS>0.7 模型好的难以令人置信，可能在变量中加入了业务目标衍生指标，需要对模型特征工程进行排查。
根据KS，可以选择对应阈值作为分界，最大化过滤坏人比例。
LIFT提升度
定义：
模型对坏样本的预测能力相比随机选择的倍数，当LIFT>1则说明模型表现优于随机选择。
计算方式：
将样本划分多个桶/组/区间，计算每个区间内样本的坏样本率与整体坏样本率的比值。
通常将模型的输出信用评分以bucket=10相等分位数（quantile）分箱，按照从低到高排序（违约概率从高到低），计算累计坏样本占比与累计总样本占比的比值。如下表，其中
%Bad = 当前行#Bad / sum(#Bad)
%CumBad = 上一行%Bad + 上一行%CumBad
LIFT = %Bad / %CumBad
第一行 LIFT=4.1013表示，我们使用这个模型相比随机选择对坏样本的预测能力提升的倍数。比如对于金融应用中的贷款场景，如果直接不加筛选，10000人中可能遇到100个坏客户；我们选择大于655信用分作为放贷条件阈值，则模型选择的10000个客户中可能只有60个坏客户。模型虽然不能完全过滤全部坏客户，但能坏客户的比例，从而降低风险。
以toad库提供的KS_bucket函数为例：
该函数实现的源码可见toad/metrics.py，从源码上可以看到，计算lift使用
agg2['lift'] = agg2['bad_prop'] / agg2['total_prop']，即下表中 bad_prop 与 total_prop 比值。与前面定义稍有不同，计算的bad_prop并不是累计值，因此得到的lift为每一组内的提升值。其中
bad_rate = 每一组bads / 每一组总数
odds = 每一组bads / 每一组goods
bad_prop = 每一组bads / 所有bads总数
lift = bad_prop / total_prop(每一组总数占全部比例)
而 cum_lift 的结果与上面的定义一致。
reverse_suffix = '_rev' (或为空，根据ks调整)
agg2['cum_lift'] = agg2['cum_bads_prop' + reverse_suffix] / agg2['cum_total_prop' + reverse_suffix]
参考资料
指标表格：风控领域常用评估指标：ROC/AUC、KS、Gain、Lift等 - penny618 - 博客园 (cnblogs.com)