风控领域常用评估指标：ROC/AUC、KS、Gain、Lift等
KS曲线和ROC曲线关系密切。ROC曲线将TPR和FPR画在一条曲线上，KS曲线则是将FPR和TPR画作两条曲线，横轴是阈值αα。KS值的定义为：
KS=max(TPR−FPR)
判别标准如下：
KS: <20% : 差
KS: 20%-40% : 一般
KS: 41%-50% : 好
KS: 51%-75% : 非常好
KS: >75% : 过高，需要谨慎的验证模型
如果一个分类器性能足够好，两条曲线应该分的足够开，即KS值越大。 KS值的高低与建模样本中的坏样本浓占比相关，并不是KS值越高风控就越好。
KS>0.2即可认为模型有比较好的预测准确性。
基尼系数 A/(A+B)
洛伦兹曲线（Lorenz curve）提升指数、提升表和提升图_fulk6667g78o8的专栏-CSDN博客_洛伦兹曲线
Python绘制基尼系数图_XerCis的博客-CSDN博客_python 基尼系数
风控中洛伦兹曲线（左上凸）
横坐标：累计坏样本占比=TP/(TP+FN)
纵坐标：累计样本占比 = (TP+FP)/(TP+FP+TN+FN)
现在知道洛伦茨曲线越往左上方说明模型的性能越好，因此可以用一个指标来量化这种性质，如上图将图形分为A、B、C三块区域，理想状态下A的面积等于A+B的和，此时可以完美地识别所有坏样本。因此，将A和A+B的比值定义为基尼系数，也叫作AR值。