创建信用记分卡
信用评分卡模型，分箱，拟合模型，提取点和得分，模型验证，违约概率，创建紧凑记分卡
有关工作流程制定信用记分卡信息，请参阅信用记分卡建模工作流程。
对象
creditscorecard |
创建creditscorecard对象要建立信用评分卡模型 |
功能
autobinning |
执行给定预测的自动分级 |
bininfo |
返回预测的bin信息 |
predictorinfo |
信用记分卡预测性的总结 |
fillmissing |
信用记分卡预测替换缺失值 |
modifybins |
修改预测的垃圾箱 |
modifypredictor |
信用记分卡预测的设置属性 |
bindata |
分级预测变量 |
plotbins |
对于预测变量叠加直方图计数 |
fitmodel |
符合逻辑回归模型重量证据（WOE）数据 |
fitConstrainedModel |
适合logistic回归模型证据重量（WOE）数据受到上模型系数的约束 |
则setModel |
集模型的预测和系数 |
displaypoints |
返回每斌预测点 |
formatpoints |
格式记分卡点和缩放 |
得分了 |
计算信用分数为给定的数据 |
probdefault |
默认的可能性为给定数据集 |
validatemodel |
信用评分卡模型的验证质量 |
紧凑 |
创建紧凑信用记分卡 |
示例以及如何
功能筛选与screenpredictors（风险管理工具箱）
这个例子说明如何使用进行预测筛查screenpredictors。
这个例子显示了如何创建creditscorecard对象，仓数据，显示和积分档数据的信息。
为了计算分数了creditscorecard具有用于相等，不相等，或者在的逻辑回归模型，使用所述系数界限约束对象fitConstrainedModel。
这个例子显示了替代工作流程来处理缺失值与工作时creditscorecard对象。
采用Logistic回归和决策树的信用评分的比较（风险管理工具箱）
这个例子显示了用于创建和比较两个信用评分模型的工作流程：基于逻辑回归和基于决策树信用评分模型中的信用评分模型。
使用拒绝与信贷评分卡推理技巧（风险管理工具箱）
这个例子演示了硬截止和模糊增强方法来拒绝推断。
套袋决策树信用评级（统计和机器学习工具箱）
这个例子显示了如何建立一个自动化的信用评级工具。
compactCreditScorecard对象工作流程（风险管理工具箱）
这个例子显示了创建工作流compactCreditScorecard从对象creditscorecard宾语。
概念
使用信用记分卡的工作流程创建，建模和分析信用记分卡。
信用评分的目标是通过其信用等级的借款人。
随着信贷计分卡的工作流程使用观测加权创造，建模和分析信用记分卡。
故障排除
使用时故障排除结果creditscorecard模型。
您还可以选择从下面的列表中的网站：
