2018.07.10

主要就是学习intelligence credit score中的具体拒绝推断方法。
还有一些讨论和工作安排。
目前的拒绝推断方法包括：
1.Simple Augmentation 这个方法又可以叫做硬截断法
2.Augmentation2 又叫reweighting，建立accept/reject模型，根据p(approve)给不同的label赋予权重
3.parceling 打包法 可以乘以一个因子，放大reject部分同分数段的bad rate
4.fuzzy augmentation 没读懂
5.augmentation1 这个方法也没看懂
6.bureau score migration，比如前一个模型有一个规则bureau 400分以下的拒绝，如果2年后，bureau score变成了550分，则认为是好人
7.调整woe，但有个问题，仍然是在通过部分建模
8.通过全部的人
9.利用同类产品和bureau score去判断
今天根据我具体面临的问题，动手解决，老是看书不是我的学习方法