更多大数据分析、建模等内容请关注gongzhonghao《bigdatamodeling》

将代码封装在函数PlotKS_N里，Pred_Var是预测结果，可以是评分或概率形式；labels_Var是好坏标签，取值为1或0，1代表坏客户，0代表好客户；descending用于控制数据按违约概率降序排列，如果Pred_Var是评分，则descending=0，如果Pred_Var是概率形式，则descending=1；N表示在将数据按风险降序排列后，等分N份后计算KS值。

PlotKS_N函数返回的结果为一列表，列表中的元素依次为KS最大值、KS取最大值的人数百分位置、KS曲线对象、KS数据框。

代码如下：

1 #################### PlotKS_N ################################

2 PlotKS_N

3 # Pred_Var is prop: descending=1

4 # Pred_Var is score: descending=0

5 library(dplyr)

6

7 df

8

9 if (descending==1){

10 df1

11 }else if (descending==0){

12 df1

13 }

14

15 df1$good1

16 df1$bad1

17 df1$cum_good1

18 df1$cum_bad1

19 df1$rate_good1

20 df1$rate_bad1

21

22 if (descending==1){

23 df2

24 }else if (descending==0){

25 df2

26 }

27

28 df2$good2

29 df2$bad2

30 df2$cum_good2

31 df2$cum_bad2

32 df2$rate_good2

33 df2$rate_bad2

34

35 rate_good

36 rate_bad

37 df_ks

38

39 df_ks$KS

40

41 L

42 if (N>L) N

43 df_ks$tile

44 qus

45 qus

46 df_ks

47 df_ks$tile

48 df_0

49 df_ks

50

51 M_KS

52 Pop

53 M_good

54 M_bad

55

56 library(ggplot2)

57 PlotKS

58 geom_line(aes(tile,rate_bad),colour="red2",size=1.2)+

59 geom_line(aes(tile,rate_good),colour="blue3",size=1.2)+

60 geom_line(aes(tile,KS),colour="forestgreen",size=1.2)+

61

62 geom_vline(xintercept=Pop,linetype=2,colour="gray",size=0.6)+

63 geom_hline(yintercept=M_KS,linetype=2,colour="forestgreen",size=0.6)+

64 geom_hline(yintercept=M_good,linetype=2,colour="blue3",size=0.6)+

65 geom_hline(yintercept=M_bad,linetype=2,colour="red2",size=0.6)+

66

67 annotate("text", x = 0.5, y = 1.05, label=paste("KS=", round(M_KS, 4), "at Pop=", round(Pop, 4)), size=4, alpha=0.8)+

68

69 scale_x_continuous(breaks=seq(0,1,.2))+

70 scale_y_continuous(breaks=seq(0,1,.2))+

71

72 xlab("of Total Population")+

73 ylab("of Total Bad/Good")+

74

75 ggtitle(label="KS - Chart")+

76

77 theme_bw()+

78

79 theme(

80 plot.title=element_text(colour="gray24",size=12,face="bold"),

81 plot.background = element_rect(fill = "gray90"),

82 axis.title=element_text(size=10),

83 axis.text=element_text(colour="gray35")

84 )

85

86 result

87 return(result)

88 }

作图如下：