KS值的取值范围是[0，1]，一般习惯乘以100%。通常来说，KS越大，表明正负样本区分程度越好。KS的业务评价标准如下所示。由于理解因人而异，不一定完全合理，仅供参考。
Ks<0.2：区分能力弱
20
40
50
60
Ks>75：区分能力高但疑似过拟合
6 分数校准
分数校准是将模型算出来的0-1的概率值转换成整数分数，分数越高表示客户风险越低(不同业务分数范围不同，解释存在差异)。
逻辑回归的线性公式：
编辑切换为居中
添加图片注释，不超过 140 字（可选）
该公式将自变量x与y之间的非线性关系转换为线性关系。
客户的分
编辑切换为居中
添加图片注释，不超过 140 字（可选）
定义
编辑
添加图片注释，不超过 140 字（可选）
p/(1-p)表示坏好比，-b可以使得违约概率越低，分数越高:
odds>1,表示坏客户概率高于好客户概率
odds<1,表示坏客户概率低于好客户概率
odds=1,表示坏客户概率等于好客户概率
这里要做两个假设，将score公式中的A、B参数计算出来。
（1）在某个特征比例下的分数。比如，设定坏:好=1:60的时候，score=600。（这里可根据个人习惯设定比例和分数值）
（2）坏好比翻倍的分数。比如，坏:好=1:120时，分数为620，也就是比率翻倍后，分数增加20分。设为pdo。
