01
什么是Lift弟晚？
Lift是評估一個預(yù)測模型是否有效的一個度量忘衍；它衡量的是一個模型（或規(guī)則）對目標(biāo)中“響應(yīng)”的預(yù)測能力優(yōu)于隨機(jī)選擇的倍數(shù)逾苫，以1為界線，大于1的Lift表示該模型或規(guī)則比隨機(jī)選擇捕捉了更多的“響應(yīng)”枚钓，等于1的Lift表示該模型的表現(xiàn)獨立于隨機(jī)選擇铅搓，小于1則表示該模型或規(guī)則比隨機(jī)選擇捕捉了更少的“響應(yīng)”。維基百科中提升度被解釋為“Target response divided by average response”搀捷。
02
信用模型中的lift
????????在模型評估中星掰，我們常用到增益/提升（Gain/Lift）圖來評估模型效果，其中的Lift是“運(yùn)用該模型”和“未運(yùn)用該模型”所得結(jié)果的比值嫩舟。以信用評分卡模型的評分結(jié)果為例氢烘，我們通常會將打分后的樣本按分?jǐn)?shù)從低到高排序，取10或20等分（有同分?jǐn)?shù)對應(yīng)多條觀測的情況家厌，所以各組觀測數(shù)未必完全相等）播玖，并對組內(nèi)觀測數(shù)與壞樣本數(shù)進(jìn)行統(tǒng)計。用評分卡模型捕捉到的壞客戶的占比饭于，可由該組壞樣本數(shù)除以總的壞樣本數(shù)計算得出蜀踏；而不使用此評分卡，以隨機(jī)選擇的方法覆蓋到的壞客戶占比掰吕，等價于該組觀測數(shù)占總觀測數(shù)的比例（分子分母同時乘以樣本整體的壞賬率）果覆。對兩者取累計值，取其比值畴栖，則得到提升度Lift随静，即該評分卡抓取壞客戶的能力是隨機(jī)選擇的多少倍。
????????下表是一個提升表（Lift Table）的示例：
????????以分?jǐn)?shù)段為橫軸吗讶，以捕捉到的“壞”占比為縱軸燎猛，可繪制出提升圖，示例如下：
????????以分?jǐn)?shù)段為橫軸照皆，以提升度為縱軸重绷，可繪制出累計提升圖，示例如下：
????????有了累計提升圖膜毁，我們就能直觀地去比較不同模型或策略給我們帶來的區(qū)分能力增益程度昭卓。
