详细内容或原文请订阅后点击阅览
Kolmogorov – Smirnov统计量，解释：测量信用风险建模中的模型功率
了解银行如何在贷款批准中使用KS统计数据。科尔莫格罗夫– Smirnov统计量，解释：衡量信用风险建模中的模型功率首先出现在数据科学上。
来源:走向数据科学日子，人们比以往任何时候都多。对于想要建造自己的房屋的任何人，可以提供房屋贷款，如果您拥有财产，则可以获得财产贷款。还有农业贷款，教育贷款，商业贷款，黄金贷款等。
除此之外，对于购买电视，冰箱，家具和手机等物品，我们还提供EMI选项。
但是每个人都批准了他们的贷款申请吗？
银行不会向申请的每个人贷款；他们有一个过程批准贷款。
我们知道机器学习和数据科学现在已在各个行业中应用，银行也利用它们。
当客户申请贷款时，银行需要知道客户按时偿还的可能性。
为此，银行使用预测模型，主要基于逻辑回归或其他机器学习方法，
我们已经知道，通过应用这些方法，每个申请人都被分配了概率。
这是一个分类模型，我们需要对违约者和非债券进行分类。
违约者：未能偿还贷款的客户（错过付款或完全停止付款）。
defaulters非债务人：按时偿还贷款的客户。
非defaulters我们已经讨论了评估分类模型的准确性和ROC-AUC。
讨论了准确性和ROC-AUC在本文中，我们将讨论Kolmogorov-Smirnov统计量（KS统计量），该统计数据用于评估分类模型，尤其是在银行业中。
Kolmogorov-Smirnov统计（KS统计）要了解KS统计数据，我们将使用德国信用数据集。
此数据集包含有关1000个贷款申请人的信息，通过20个功能来描述，例如帐户状态，贷款持续时间，信用额，就业，住房和个人身份等。
目标变量指示申请人是非defaulter（由1）还是Defaulter（由2表示）。
您可以在此处找到有关数据集的信息。
在这里代码：
\ [
\] \ [
\]