autoscore 1.1.0

A comprehensive automated credit risk scorecard modeling library

AutoScore 全自动风控建模库中文使用手册

AutoScore 是一个专为信用评分卡模型开发设计的Python库，旨在通过自动化流程简化数据清洗、分箱、特征选择、模型训练及评分卡生成的全过程。

---

目录

1. 安装与环境
2. 快速开始
3. 核心类：AutoScore
   • 初始化
   • 核心方法：fit
   • 其他方法
4. 高级功能
   • 智能类型识别
   • OOT 跨时间验证
   • 单调性约束与自动调整
   • 可视化与人工干预
   • 日期格式处理
   • 轻量级模型部署
   • 在线学习
5. 独立组件使用
6. 最佳实践
7. 常见问题与错误处理

---

1. 安装与环境

pip install autoscore

依赖库：

• pandas, numpy, scikit-learn
• matplotlib (绘图)
• openpyxl (Excel报表)
• joblib (模型保存)

---

2. 快速开始

import pandas as pd
from autoscore import AutoScore

# 1. 加载数据
df = pd.read_csv('dataset.csv')

# 2. 初始化
score = AutoScore(random_state=42)

# 3. 训练 (一键完成全流程)
results = score.fit(
    X=df.drop(columns=['target']),
    y=df['target'],
    date_col='create_time',
    oot_split_date='2023-10-01',
    selection_method='stepwise'
)

# 4. 生成模型开发报告
score.create_report('scorecard_report.xlsx')

# 5. 查看关键结果
print("入模特征:", results['selected_features'])
print("模型性能:", results['performance'])

---

3. 核心类：AutoScore

3.1 初始化

score = AutoScore(random_state=42)

• random_state: 随机种子，保证结果可复现。

3.2 核心方法：fit

fit 方法是整个库的核心引擎，负责编排所有步骤。

参数详解:

• 基础数据:

  • X (pd.DataFrame): 特征矩阵。
  • y (pd.Series): 目标变量（0/1，1代表坏客户）。
  • test_size (float, default=0.3): 测试集比例。

• 数据预处理:

  • excluded_features (list): 明确不参与建模的列（如ID、电话号码）。
  • special_values (list): 特殊值列表（如 -999），这些值将作为独立的分箱处理。
  • 智能类型识别: 自动检测类似数值的字符串列（如 "123", "45.6"）并强制转换为数值型。

• OOT (Out-of-Time) 验证:

  • date_col (str): 日期列名。
  • oot_split_date (str): OOT切分日期（如 '2023-10-01'）。大于该日期的数据将被划分为OOT集，不参与训练，仅做验证。
  • 重要: oot_split_date 必须使用 'yyyy-mm-dd' 格式，如 '2023-10-01'。

• 分箱 (Binning):

  • max_bins (int, default=10): 最大分箱数。
  • min_bin_pct (float, default=0.05): 最小箱占比（防止微小箱）。
  • monotonicity_constraints (dict): 单调性约束字典。
    • 1: 单调递增（值越大，坏率越高）。
    • -1: 单调递减（值越大，坏率越低）。
    • 0 或 None: 自动检测趋势。
  • custom_binning_rules (dict): 自定义分箱规则。传入后跳过自动分箱。
  • final_bins (dict, optional): 最终分箱规则，直接跳过分箱步骤。
    • 格式: {feature: {'type': 'numeric'|'categorical', 'cutoffs': [...], 'categories': [...], 'woe_map': {...}}}
    • 使用场景: 当已有成熟的分箱规则，或需要复用之前的分箱结果时

• 特征选择 (Selection):

  • iv_threshold (float, default=0.02): IV筛选阈值，低于此值的特征被剔除。
  • selection_method (str):
    • 'stepwise': 逐步回归（推荐，解决共线性）。
    • 'iv': 仅使用IV排序选Top特征。
  • final_features (list): 强制指定入模特征列表。传入后跳过特征选择。

• 评分卡参数:

  • pdo (int, default=20): PDO (Points to Double the Odds)，当坏率翻倍时分数的变化量。
  • base_score (int, default=600): 基础分数。
  • base_odds (int, default=50): 基础赔率。

返回值: 返回一个字典 fit_result，包含：

• numeric_features, categorical_features: 识别出的特征类型。
• converted_cols: 自动转换为数值型的列列表。
• selected_features: 最终选择的特征。
• monotonicity_constraints: 应用的单调性约束。
• binning_rules: 分箱规则详情。
• iv_df: IV值表。
• data_summary: 数据摘要。
• woe_transformer: WOE转换器对象。
• model_trainer: 模型训练器对象。
• model: 训练好的逻辑回归模型对象。
• scorecard_transformer: 评分卡转换器对象。
• performance: Train/Test/OOT 的 AUC, KS, PSI 指标。
• scorecard_df: 标准评分卡表。

3.3 其他方法

• predict_proba(X): 预测违约概率。
• predict_score(X): 预测评分。
• create_report(filename): 生成全维度Excel报表。
• save_model(path) / load_model(path): 模型持久化（完整对象）。

3.3.1 模型报告详解

create_report() 方法会生成一个包含模型开发全流程信息的Excel报表，包含以下工作表：

1. 数据情况

• 原始总样本数
• 样本筛选后最终总样本数
• 训练集：样本数、好客户数、坏客户数、坏客户占比
• 测试集：样本数、好客户数、坏客户数、坏客户占比
• OOT集（如果有）：样本数、好客户数、坏客户数、坏客户占比

2. Summary

• 数据集基本信息（样本数、特征数、目标变量分布）
• 训练集、测试集、OOT集的样本分布
• 缺失值统计
• 特征类型统计（数值型/类别型）
• 单值率（最大单值的占比）
• 众数、中位数
• 与target的相关系数
• IV值
• 特征PSI值（训练集vs测试集）
• 特征AUC值（单个特征区分度）
• 特征KS值（单个特征区分度）

3. 原始特征清单

• 所有输入特征列表

4. 特征选择过程

• 详细的特征选择步骤
• 初始特征数
• 缺失率筛选后特征数（剔除的特征列表）
• 单值率筛选后特征数（剔除的特征列表）
• IV筛选后特征数（剔除的特征列表）
• 相关性筛选后特征数（剔除的特征列表）
• VIF筛选后特征数（剔除的特征列表）
• 逐步回归选择过程（每一步的详细信息）
• 最终选择的特征清单

5. Selected Features

• 最终入模变量

6. Model Coefficients

• 逻辑回归系数
• 截距项

7. Model Performance

• 训练集、测试集、OOT集的AUC、KS值
• PSI指标（Train vs Test, Train vs OOT）

8. Scorecard

• 各数据集下的分箱分布（训练集、测试集、OOT集）
• 每个特征每个箱的：
  • 样本数
  • 好客户数
  • 坏客户数
  • 坏客户率

9. Score Bin

• 评分等频20分箱分布（训练集、测试集、OOT集）
• 每个评分分箱的：
  • 评分区间（实际评分范围）
  • 样本数
  • 好客户数
  • 坏客户数
  • 坏客户率
  • 累计坏客户率（到此分箱累积的坏客户数/到此分箱累积的客户数）
  • 累计好客户率（到此分箱累积的好客户数/到此分箱累积的客户数）
  • 分箱样本数占比
  • 分箱好/坏样本数占比
  • 累计样本数占比
  • 累计坏客户数占比
  • 累计好客户数占比
  • 分箱Lift（分箱坏率/整体坏率）
  • 分箱KS（|累计坏率 - 累计好率|）
  • 剩余样本坏率（拒绝当前段及以下后，剩余样本的整体坏率）

10. 特征相关性

• 入模特征的相关性矩阵
• 共线性检查结果

使用示例:

# 生成完整报告
score.create_report('model_report.xlsx')

# 报告生成后，可以打开Excel查看各个工作表
# 每个工作表都包含详细的模型开发信息

3.3.2 特征选择详解

AutoScore 提供了完整的特征选择流程，包含多个维度的筛选方法。特征选择按照以下顺序执行：

特征选择流程:

1. 缺失率筛选 (Missing Rate Filter)

   • 功能：剔除缺失率过高的特征
   • 参数：missing_threshold（默认0.95，即缺失率>95%的特征被剔除）
   • 实现：计算每个特征的缺失率，剔除超过阈值的特征
   • 记录：详细的特征选择过程

2. 单值率筛选 (Single Value Rate Filter)

   • 功能：剔除单一值占比过高的特征
   • 参数：single_value_threshold（默认0.99，即单值率>99%的特征被剔除）
   • 实现：使用单值率计算，剔除超过阈值的特征
   • 记录：详细的特征选择过程

3. IV筛选 (IV Filter)

   • 功能：保留预测能力强的特征
   • 参数：iv_threshold（默认0.02）
   • 实现：根据IV值筛选，保留IV值大于阈值的特征
   • 记录：详细的特征选择过程

4. 相关性筛选 (Correlation Filter)

   • 功能：去除高相关性的特征，避免共线性
   • 参数：corr_threshold（默认0.8）
   • 实现：计算特征间相关性，剔除相关性超过阈值的特征
   • 记录：详细的特征选择过程

5. VIF筛选 (VIF Filter)

   • 功能：去除多重共线性的特征
   • 参数：vif_threshold（默认10）
   • 实现：计算每个特征的VIF值，迭代去除高VIF特征
   • 记录：详细的特征选择过程

6. 逐步回归选择 (Stepwise Selection)

   • 功能：在保留特征中选择最优组合
   • 参数：selection_method（默认'stepwise'）
   • 实现：使用逐步回归算法，选择最优特征组合
   • 记录：详细的特征选择过程

参数说明:

# 使用综合特征选择（默认参数）
score = AutoScore(random_state=42)
results = score.fit(
    X=df.drop(columns=['target']),
    y=df['target'],
    # 特征选择参数
    missing_threshold=0.95,      # 缺失率阈值
    single_value_threshold=0.99,  # 单值率阈值
    iv_threshold=0.02,            # IV阈值
    corr_threshold=0.8,           # 相关性阈值
    vif_threshold=10,              # VIF阈值
    selection_method='stepwise'      # 选择方法
)

# 查看特征选择过程
print("特征选择过程:", results['selection_process'])

最佳实践建议:

1. 缺失率筛选：建议阈值0.95，即剔除缺失率>95%的特征
2. 单值率筛选：建议阈值0.99，即剔除单值率>99%的特征
3. IV筛选：建议阈值0.02，即保留IV>0.02的特征
4. 相关性筛选：建议阈值0.8，即剔除相关性>0.8的特征
5. VIF筛选：建议阈值10，即剔除VIF>10的特征
6. 逐步回归：建议使用'stepwise'方法，能够自动选择最优特征组合

特征选择过程记录:

所有特征选择步骤都会被详细记录在报告中，包括：

• 每一步的筛选方法
• 筛选前后的特征数量
• 被剔除的特征列表
• 筛选原因和阈值设置

这有助于理解特征选择的全过程，便于模型解释和优化。

• export_lightweight(output_path): 导出轻量级模型（仅包含必要组件，无需autoscore依赖）。
• online_fit(X_new, y_new, retain_binning=True, retain_features=True): 在线学习，使用新数据增量更新模型。
• visualize_binning(feature, filename=None, show=True): 可视化分箱结果。
• adjust_rules(new_rules, X_train, y_train): 手动调整分箱规则。
• update_model_weights(coef_dict, intercept=None): 手动调整模型系数。
• validate_date_format(date_str): 验证日期格式并转换为标准格式。
• convert_date_column(date_series): 转换日期列为标准格式。

---

4. 高级功能

4.1 智能类型识别

fit 函数会自动扫描所有 object 类型的列。如果一列中超过 80% 的值可以转换为数字，系统将自动将其转换为数值型进行处理。这对于清洗不彻底的数据集（如包含 "NULL" 字符串的数值列）非常有用。

示例:

# 假设数据中有一个 'duration_str' 列，大部分是数字字符串
df['duration_str'] = df['duration'].astype(str)
df.loc[0:5, 'duration_str'] = 'unknown'  # 添加一些噪声

# AutoScore 会自动检测并转换
score = AutoScore(random_state=42)
results = score.fit(X=df.drop(columns=['target']), y=df['target'])
# 输出: Automatically converted to numeric: ['duration_str']

4.2 OOT 跨时间验证

通过设置 date_col 和 oot_split_date，系统会自动将数据分为三部分：

1. Train: 训练模型（时间窗内）。
2. Test: 验证模型（时间窗内，随机）。
3. OOT: 跨时间验证（时间窗外），用于评估模型的未来稳定性。

报告中会自动计算 PSI (Train vs OOT)，这是衡量模型衰减的重要指标。

示例:

score = AutoScore(random_state=42)
results = score.fit(
    X=df.drop(columns=['target']),
    y=df['target'],
    date_col='create_time',
    oot_split_date='2023-10-01',  # 必须使用 'yyyy-mm-dd' 格式
    test_size=0.3
)

# 查看性能指标
print("Train AUC:", results['performance']['train']['auc'])
print("Test AUC:", results['performance']['test']['auc'])
print("OOT AUC:", results['performance']['oot']['auc'])
print("PSI (Train vs OOT):", results['performance']['psi_train_oot'])

4.3 单调性约束与自动调整

工业级评分卡要求特征具有可解释的单调性。

• 如果不指定约束，AutoScore 会自动计算 Spearman 相关系数来判断趋势（递增或递减）。
• 强制单调: 算法会通过合并违反趋势的箱体，强制让分箱后的坏率呈现严格的单调性。

示例:

constraints = {
    'duration': 1,       # 单调递增：贷款期限越长，风险越高
    'credit_amount': 0,  # 自动检测趋势
    'age': -1            # 单调递减：年龄越大，风险越低
}

score = AutoScore(random_state=42)
results = score.fit(
    X=df.drop(columns=['target']),
    y=df['target'],
    monotonicity_constraints=constraints
)

4.4 可视化与人工干预

# 1. 查看自动分箱结果
score.visualize_binning('age', filename='age_binning.png', show=False)

# 2. 发现某些切分点不合理，手动调整
new_rules = {'age': {'cutoffs': [25, 40, 60]}}
score.adjust_rules(new_rules, X_train, y_train)

# 3. 再次查看
score.visualize_binning('age', filename='age_binning_adjusted.png', show=False)

4.5 日期格式处理

AutoScore 提供了智能的日期格式处理功能，可以自动识别和转换各种日期格式。

4.5.1 日期格式验证

使用 validate_date_format() 方法验证日期格式：

from autoscore import AutoScore

# 验证正确格式的日期
try:
    validated = AutoScore.validate_date_format('2023-10-01')
    print(f"验证通过: {validated}")
except ValueError as e:
    print(f"验证失败: {e}")

# 验证错误格式的日期
try:
    validated = AutoScore.validate_date_format('2023/10/01')
    print(f"验证通过: {validated}")
except ValueError as e:
    print(f"验证失败: {e}")

支持的日期格式:

• 'yyyy-mm-dd' (推荐): '2023-10-01'
• 'yyyy/mm/dd': '2023/10/01'
• 'yyyy-m-d': '2023-10-1'
• 'yyyy/m/d': '2023/10/1'
• 以及其他 pandas.to_datetime 支持的格式

4.5.2 日期列转换

使用 convert_date_column() 方法转换日期列：

# 转换日期列
df['create_time'] = AutoScore.convert_date_column(df['create_time'])
print(f"转换后的日期: {df['create_time'].head()}")

自动转换功能:

• 自动检测日期格式
• 统一转换为 'yyyy-mm-dd' 格式
• 处理缺失值和异常值
• 提供详细的错误提示

4.5.3 在 fit() 中自动处理日期

在 fit() 方法中，如果指定了 date_col 和 oot_split_date，系统会自动：

1. 验证 oot_split_date 的格式
2. 转换数据集中的日期列格式
3. 进行 OOT 切分

score = AutoScore(random_state=42)
results = score.fit(
    X=df.drop(columns=['target']),
    y=df['target'],
    date_col='create_time',
    oot_split_date='2023-10-01',  # 自动验证格式
    test_size=0.3
)
# 系统会自动转换日期列并输出提示信息

4.6 轻量级模型部署

AutoScore 提供了轻量级模型导出功能，可以在不安装 autoscore 包的环境中进行模型部署。

4.6.1 导出轻量级模型

使用 export_lightweight() 方法导出轻量级模型：

# 训练模型
score = AutoScore(random_state=42)
results = score.fit(
    X=df.drop(columns=['target']),
    y=df['target'],
    selection_method='stepwise'
)

# 导出轻量级模型
score.export_lightweight('lightweight_model.json')

导出的模型包含:

• 模型系数和截距
• 分箱规则（cutoffs、categories、WOE映射）
• 评分卡参数（factor、offset）
• 选中的特征列表
• 模型元数据（版本、创建时间等）

4.6.2 加载轻量级模型

在部署环境中，使用 LightweightScorer 类加载模型：

from autoscore import LightweightScorer

# 加载轻量级模型
scorer = LightweightScorer('lightweight_model.json')

# 预测概率
proba = scorer.predict_proba(X_new)

# 预测评分
scores = scorer.predict_score(X_new)

# 获取评分卡表
scorecard = scorer.get_scorecard()
print(scorecard)

# 获取特征重要性
importance = scorer.get_feature_importance()
print(importance)

# 获取模型信息
info = scorer.get_model_info()
print(info)

优势:

• 无需安装 autoscore 包
• 仅需 numpy 和 pandas
• 支持所有预测功能
• 包含完整的评分卡信息
• 适合生产环境部署

4.7 在线学习

AutoScore 支持在线学习，可以使用新数据增量更新模型，而无需重新训练整个模型。

4.7.1 在线学习基础

使用 online_fit() 方法进行在线学习：

# 初始训练
score = AutoScore(random_state=42)
results = score.fit(
    X=df_train.drop(columns=['target']),
    y=df_train['target'],
    selection_method='stepwise'
)

# 获取新数据
X_new = df_new.drop(columns=['target'])
y_new = df_new['target']

# 在线学习（保留分箱规则和特征选择）
new_metrics = score.online_fit(X_new, y_new, retain_binning=True, retain_features=True)

# 查看更新后的性能
print(f"更新后的性能: {new_metrics['online']}")

4.7.2 在线学习参数

online_fit() 方法支持以下参数：

• retain_binning (bool, default=True):

  • True: 保留现有分箱规则，仅更新模型系数（推荐）
  • False: 在新数据上重新进行分箱

• retain_features (bool, default=True):

  • True: 保留现有特征选择
  • False: 重新进行特征选择

4.7.3 在线学习场景

场景1: 定期模型更新

# 每月收集新数据后更新模型
for month in range(1, 13):
    # 获取当月新数据
    X_month = get_monthly_data(month)
    y_month = X_month['target']
    X_month = X_month.drop(columns=['target'])
    
    # 在线学习
    new_metrics = score.online_fit(X_month, y_month)
    print(f"Month {month} - AUC: {new_metrics['online']['auc']:.4f}")

场景2: 实时数据流

# 处理实时数据流
for batch in data_stream:
    X_batch, y_batch = batch
    
    # 在线学习
    score.online_fit(X_batch, y_batch)
    
    # 实时预测
    scores = score.predict_score(X_batch)
    process_scores(scores)

场景3: 保留分箱规则

# 当数据分布变化不大时，保留分箱规则
# 这样可以保证模型的稳定性
new_metrics = score.online_fit(X_new, y_new, retain_binning=True)

4.7.4 在线学习与完整重训练对比

特性	在线学习	完整重训练
速度	快（仅更新系数）	慢（重新训练）
稳定性	高（保留分箱规则）	中（可能改变分箱）
适应性	中（增量更新）	高（完全适应新数据）
适用场景	数据分布稳定	数据分布变化大
推荐使用	定期小批量更新	大数据集更新

建议:

• 数据分布稳定时：使用在线学习，保留分箱规则
• 数据分布变化大时：使用完整重训练，重新分箱
• 混合策略：定期在线学习 + 定期完整重训练

---

5. 独立组件使用

如果您只想使用 AutoScore 的某一部分功能（如分箱），可以单独导入组件：

5.1 FeatureAnalyzer - 数据探索分析

from autoscore import FeatureAnalyzer

analyzer = FeatureAnalyzer()

# 数据分析
summary = analyzer.analyze(X)
print(summary)

# 获取建议删除的列
drop_cols = analyzer.get_drop_columns(threshold_missing=0.95)
print(f"建议删除的列: {drop_cols}")

# 智能类型转换
X_converted, converted_cols = analyzer.detect_and_convert_types(X)
print(f"自动转换的列: {converted_cols}")

5.2 BinningProcess - 特征分箱

from autoscore import BinningProcess

binning = BinningProcess(max_bins=5, min_bin_pct=0.05)
binning.fit(X, y)

# 查看分箱规则
print(f"'duration' 的切分点: {binning.rules['duration']['cutoffs']}")
print(f"'duration' 的 IV 值: {binning.rules['duration']['iv']}")

# 查看 IV 表
print(binning.iv_df.head(10))

# 转换为 WOE
X_woe = binning.transform(X)

5.3 FeatureSelector - 特征选择

from autoscore import FeatureSelector

selector = FeatureSelector()

# IV 筛选
features_iv = selector.filter_by_iv(binning.iv_df, threshold=0.02)
print(f"IV 筛选后的特征: {features_iv}")

# 逐步回归选择
selected = selector.stepwise_selection(X_woe[features_iv], y, method='forward')
print(f"逐步回归选择的特征: {selected}")

5.4 ModelTrainer - 模型训练

from autoscore import ModelTrainer

trainer = ModelTrainer(random_state=42)
model = trainer.train(X_woe[selected], y)

# 预测
pred_proba = trainer.predict_proba(X_woe[selected])

5.5 ModelEvaluator - 模型评估

from autoscore import ModelEvaluator

evaluator = ModelEvaluator()

# 评估模型
metrics = evaluator.evaluate(y, pred_proba)
print(f"AUC: {metrics['auc']}")
print(f"KS: {metrics['ks']}")

# 计算 PSI
psi = evaluator.calculate_psi(pred_train, pred_test)
print(f"PSI: {psi}")

---

6. 最佳实践

6.1 数据准备

1. 数据清洗: 在使用 AutoScore 之前，建议先进行基本的数据清洗

   • 处理明显的异常值
   • 统一数据格式
   • 处理缺失值（可选，分箱可以处理缺失值）

2. 特征工程: 根据业务需求进行特征工程

   • 创建衍生变量
   • 处理类别变量
   • 标准化数值变量（可选）

6.2 参数调优建议

1. 分箱参数:

   • max_bins: 通常设置为 5-10，过多会导致过拟合
   • min_bin_pct: 通常设置为 0.05-0.1，确保每个箱有足够的样本

2. 特征选择:

   • iv_threshold: 通常设置为 0.02-0.05，根据数据集调整
   • selection_method: 推荐使用 'stepwise'，可以解决共线性问题

3. 评分卡参数:

   • pdo: 通常设置为 20-50，控制分数的敏感度
   • base_score: 通常设置为 500-600，根据业务需求调整
   • base_odds: 通常设置为 50-100，根据坏客户比例调整

6.3 模型验证

1. 交叉验证: 使用 OOT 验证确保模型的稳定性
2. PSI 监控: 定期计算 PSI，监控模型衰减
3. 人工审核: 检查分箱结果和评分卡的可解释性

6.4 模型部署

1. 模型保存: 使用 save_model() 保存训练好的模型
2. 版本控制: 对模型进行版本管理
3. 性能监控: 部署后持续监控模型性能

---

7. 常见问题与错误处理

7.1 日期格式错误

问题: 使用错误的日期格式导致 OOT 切分失败

错误信息:

ValueError: Invalid date format: '2023/10/01'. Expected format: yyyy-mm-dd

解决方案:

# 错误示例
score.fit(
    X=df.drop(columns=['target']),
    y=df['target'],
    oot_split_date='2023/10/01'  # 错误格式
)

# 正确示例
score.fit(
    X=df.drop(columns=['target']),
    y=df['target'],
    oot_split_date='2023-10-01'  # 正确格式
)

7.2 日期列不存在

问题: 指定的日期列在数据集中不存在

错误信息:

KeyError: 'create_time' not found in columns

解决方案:

# 检查数据集列名
print(df.columns.tolist())

# 使用正确的列名
score.fit(
    X=df.drop(columns=['target']),
    y=df['target'],
    date_col='正确的日期列名',
    oot_split_date='2023-10-01'
)

7.3 缺失值处理

问题: 数据集中存在大量缺失值

解决方案:

# 方案1: 在分箱前处理缺失值
df.fillna(-999, inplace=True)

# 方案2: 使用 special_values 参数
score.fit(
    X=df.drop(columns=['target']),
    y=df['target'],
    special_values=[-999, np.nan]
)

# 方案3: 让分箱模块自动处理（推荐）
# 分箱模块会自动将缺失值作为独立的箱处理

7.4 特征选择失败

问题: 特征选择后没有选择任何特征

解决方案:

# 方案1: 降低 IV 阈值
score.fit(
    X=df.drop(columns=['target']),
    y=df['target'],
    iv_threshold=0.01  # 降低阈值
)

# 方案2: 直接指定特征
score.fit(
    X=df.drop(columns=['target']),
    y=df['target'],
    final_features=['feature1', 'feature2', 'feature3']
)

7.5 模型性能不佳

问题: 模型的 AUC 或 KS 值较低

解决方案:

# 方案1: 调整分箱参数
score.fit(
    X=df.drop(columns=['target']),
    y=df['target'],
    max_bins=8,  # 增加分箱数
    min_bin_pct=0.03  # 降低最小箱占比
)

# 方案2: 调整单调性约束
constraints = {
    'duration': 1,
    'age': -1,
    'credit_amount': 0  # 让某些特征自动检测趋势
}

# 方案3: 使用自定义分箱规则
custom_rules = {
    'duration': {'cutoffs': [12, 24, 36, 48]},
    'age': {'cutoffs': [25, 35, 45, 55]}
}

score.fit(
    X=df.drop(columns=['target']),
    y=df['target'],
    custom_binning_rules=custom_rules
)

7.6 内存不足

问题: 处理大数据集时内存不足

解决方案:

# 方案1: 减少特征数量
score.fit(
    X=df.drop(columns=['target', '不重要的特征1', '不重要的特征2']),
    y=df['target'],
    iv_threshold=0.05  # 提高 IV 阈值，减少特征
)

# 方案2: 使用采样
df_sample = df.sample(n=10000, random_state=42)
score.fit(
    X=df_sample.drop(columns=['target']),
    y=df_sample['target']
)

---

完整示例代码

请参考项目根目录下的 example.py 文件，其中包含：

• 标准完整流程示例
• 独立组件使用示例
• 日期处理示例
• 错误处理示例
• 模型保存与加载示例

运行示例：

python example.py

---

技术支持

如有问题或建议，请通过以下方式联系：

• 提交 Issue
• 查看项目文档
• 参考示例代码

---

版本: 1.0.7
更新日期: 2026-02-07