ScoreCardシーリズ（5）——スコアの計算

スコアカードモデリング入門シリーズ

1. スコアカードの由来
2. 証拠の重さと情報価値（WOE and IV）
3. グルーピングの方法（Grouping Method）
4. 信頼できるAIの要素——PSI（Population Stability Index）
5. スコアの計算
6. 実例：モデルの構築

ソースコード：GitHub Repository

スコアカードの仕組み

モデルが出力する確率値をどのようにスコアに変換するのか、また各特徴量のスコアがどのように導出されるのかについて、詳しく説明します。

スコア算出の方法論

ロジスティック回帰の基礎

1. シグモイド関数による確率変換
2. 0-1の範囲への出力の制限
3. 線形回帰に基づく予測値の算出

数式の変換

1. シグモイド関数の数学的変換
2. デフォルト確率（p）の定義
3. デフォルト率比（odds）の導入
4. 特徴量としてWOE（Weight of Evidence）の使用

スコアのスケーリング

主要パラメータ

1. スコアカードの基本式
2. ロジスティック回帰係数（β）
3. スケーリング定数（A, B）

変換プロセス

1. 特定のデフォルト確率に対応するスコアの設定
2. 基準odds（θ0）に対するスコア（P0）の設定
3. odds比が2倍になった場合のスコア差（PDO）の定義

↓

具体例：
odds = 1/60、目標スコア = 600、PDO = 20の場合
結果：A = 481.86、B = 28.85となり、以下の式が得られます：

実装例

設定条件：odds = 1/60、基準スコア = 600、PDO = 20

最終的なスコアカード：