如何判斷信用評分卡的好壞

我們的目标是在事前申請的情況下，盡可能準确的預測好的準許和壞的拒絕申請者。給定測試機，分類正确率可以被定義為做出準确預測的數量除以所有案例數，即好的能夠鑒别好的，壞的能鑒别壞的。

該分類甚至可以在沒有任何評級或者評分系統的情況下得出（分類樹），在這種情況下，該準确率就是一個直接、直覺的結果衡量方法。在有評分和評級系統的情況下，該準确率就變得有點兒模糊，因為它取決于選址的臨界值。ACC（分類正确率）另外一個不足在于，它可能取決于測試集中好的與壞的的比例。如果一個不好的分類系統可能将所有案例就鑒别為好的。

更進一步的解釋這種情況，可以用所謂的誤差矩陣，該矩陣将所有申請者分成好的和壞的。

誤差矩陣

潛在可能性的誤差矩陣

這種方法更加實用，因為通常在驗證樣本中，不會準确的指導拒絕的申請者的那種好的和壞的的真實情況，我們也不會知道被拒絕的申請者的真實的違約情況。

備注：部分内容來源于網絡，侵删