参考链接
https://zhuanlan.zhihu.com/p/111300597
拒绝推断，增加负样本量，降低样本偏差
需求
拒绝推断实用场景（一般适用于放贷率适中的场景里）
评分卡开发过程中，拒绝推断的大致步骤为：
拒绝推断是对一种“非随机性缺失数据”（MNAR）的处理形式。 总体来说有两种广泛的技术：分配法和增强法，一种依赖经验，一种依赖算法。两种技术还可以选择不同的方法。如下图所示：
增量下探法（数据增量）
下探法就是在生产环境中某一段时间内，接受所有申请，积累全量数据。或者将模型评分cutoff的取值下移部分，让更多的的申请通过审批。等该批客户有了贷后表现，直接选择全量样本建模，这样会缩小样本数据和未来要预测的数据在分布上的偏差。
下探法可能要承受较大的坏账损失，有点花钱买数据的感觉，一般银行和机构通常不这么做，所以一般可用于通过率较高，坏账率对应也高的现金贷业务中。
短期坏账损失与长期风控优化之间需要做权衡。
分配法（打标签）