AR值(Accuracy Ratio)和KS值(Kolmogorov-Smirnov)主要是为了监控模型的区分能力。

所谓区分能力，以银行为例，就是判断一个客户或者企业会不会违约，通过模型计算，给出一个会不会违约的预测指标，一个理想状态下的模型给出的预测指标应该是指标好的客户违约了，那么指标差的客户就一定会违约。这个时候就是模型区分能力最高。

1、AR值

CAP曲线(Cumulative Accuracy Profile)通过

2、KS值

假正例（False Positive）：预测为1，实际为0的样本

假负例（False Negative）:预测为0，实际为1的样本

KS值是衡量排序的累计违约率和非违约率概率密度函数的最大距离。还是以银行为例子：

TP：预测为不违约客户，实际为不违约客户；

FN：预测为违约客户，实际为不违约客户；

FP：预测为不违约客户，实际为违约客户；

TN：预测为违约客户，实际为违约客户；

表示所有实际违约客户中，被预测为不违约的客户的比例。越小越好；

表示所有实际为不违约客户中，被预测为不违约的客户的比例。越大越好。

通过设定指标的阈值，比如指标大于0.5的视为不违约客户，小于0.5为违约客户。或者把0.5改为0.3。分别得到不同的TPR和FPR值对。

那么