rulelift 1.2.4

A tool for analyzing rule effectiveness in credit risk management

rulelift - 信用风险规则有效性分析工具

项目概述

rulelift 是一个用于信用风险管理中策略规则自动挖掘、有效性分析及监控的 Python 工具包。

• 实时评估监控上线规则的效度：解决规则拦截样本无标签的问题，借助客户评级分布差异，实时评估逾期率、召回率、精确率、lift 值、相关性、规则间的增益、稳定性等核心指标
• 自动化挖掘高价值的规则：自动从数据中挖掘有效的风控规则，支持单特征、多特征交叉、决策树、随机森林、XGB、孤立森林等多种规则挖掘方法
• 可视化展示：直观呈现变量分布、变量效度、规则效果、特征重要性、决策树结构和规则关系
• 成本效益高：无需分流测试，基于规则命中用户记录即可评估规则效果，降低测试成本

它帮助风控团队评估优化规则的实际效果，识别冗余规则，自动挖掘有效规则，优化策略组合，提高风险控制能力，降低风控成本。

📚 目录

• 项目概述
• 完整的安装使用方法
  • 使用 pip 安装（推荐）
  • 从源码安装
  • 离线使用方式（考虑生产环境是无网）
• 快速开始
  • 1. 基本导入
  • 2. 加载示例数据
  • 3. 规则挖掘基础案例
    • 3.1 单特征规则挖掘
    • 3.2 多特征交叉规则挖掘
    • 3.3 树模型规则挖掘
    • 3.4 多特征交叉规则挖掘（包含损失率指标）
  • 4. 规则评估基础案例
    • 4.1 规则效度评估
    • 4.2 规则相关性分析
    • 4.3 策略增益计算
  • 5. 变量分析基础案例
• 核心功能详解
  • 1. 树规则提取（TreeRuleExtractor）
  • [2. 单特征规则挖掘（SingleFeatureRuleMiner）](#2-单特征规则挖掘singlefeatureminer）
  • 3. 多特征交叉规则挖掘（MultiFeatureRuleMiner）
  • 4. 变量分析（VariableAnalyzer）
  • 5. 规则效度分析监控模块（analyze_rules）
  • 6. 策略相关性、增益计算（calculate_strategy_gain）
• 核心指标说明
  • 规则评估指标
  • 变量分析指标
  • 常见问题（FAQ）
  • 版本信息
  • 更新日志
  • 许可证
  • 项目地址
  • 联系方式
  • 贡献指南

📦 项目依赖包

核心依赖

项目依赖项精简，兼容性良好，仅需要常见的依赖包

依赖包	版本要求	用途
pandas	>=1.0.0,<2.4.0	数据处理和分析
numpy	>=1.18.0,<2.5.0	数值计算
scikit-learn	>=0.24.0,<1.9.0	机器学习算法
matplotlib	>=3.3.0,<3.11.0	基础可视化
seaborn	>=0.11.0,<0.14.0	统计可视化
openpyxl	>=3.0.0	Excel文件读写

🎯 项目功能概览

rulelift 提供了完整的规则挖掘和评估解决方案，包含以下核心功能模块：

功能模块	主要功能	适用场景
规则挖掘	单特征规则挖掘、多特征交叉规则挖掘、树模型规则挖掘	从数据中自动挖掘有效的风控规则
规则评估	规则效度评估、规则相关性分析、策略增益计算	评估上线规则的实际效果，识别冗余规则
变量分析	变量效度分析、分箱分析、PSI计算	识别重要变量，优化特征工程
可视化	规则效果可视化、特征重要性图、决策树结构图	直观呈现分析结果，便于决策
损失率分析	损失率计算、损失提升度分析	评估规则的实际损失风险

功能特点

✅ 全面的规则挖掘：支持5种树模型算法（DT、RF、CHI2、XGB、ISF） ✅ 灵活的评估方式：支持用户评级评估和目标标签评估 ✅ 丰富的指标体系：包含badrate、lift、precision、recall、F1、loss_rate、loss_lift等30+指标 ✅ 业务解释性强：支持特征趋势配置，避免不符合业务逻辑的规则 ✅ 损失率支持：支持损失率和损失提升度计算，全面评估风险 ✅ 可视化完善：提供热力图、特征重要性图、决策树结构图等多种可视化 ✅ 易于使用：提供简洁的API和详细的示例代码

---

完整的安装使用方法

使用 pip 安装（推荐）

pip install rulelift

从源码安装

git clone https://github.com/aialgorithm/rulelift.git
cd rulelift
pip install -e .

离线使用方式（考虑生产环境是无网）

方式一：离线安装rulelift及相关依赖

1. 在有网络的环境中下载依赖包：

# 下载rulelift及其所有依赖
pip download rulelift -d ./packages/

2. 将下载的packages文件夹传输到离线环境

3. 在离线环境中安装：

# 进入packages文件夹
cd ./packages/

# 安装所有依赖包
pip install *.whl --no-index --find-links=.

方式二：通过源码直接调用

1. 下载源码：

   • 从GitHub下载源码包：https://github.com/aialgorithm/rulelift

2. 将源码包传输到离线环境并解压 需要手动安装pandas、numpy、scikit-learn、matplotlib、seaborn

3. 在Python代码中添加源码路径并导入：

import sys
import os

# 添加源码路径到系统路径
sys.path.append('/path/to/rulelift-master')

# 直接导入模块
from rulelift import load_example_data, analyze_rules, TreeRuleExtractor

快速开始

1. 基本导入

from rulelift import (
    load_example_data, preprocess_data,
    SingleFeatureRuleMiner, MultiFeatureRuleMiner, TreeRuleExtractor,
    VariableAnalyzer, analyze_rules, calculate_strategy_gain
)

2. 加载示例数据

# 加载示例数据
df = load_example_data('feas_target.csv')

3. 规则挖掘基础案例

树模型规则挖掘

from rulelift import TreeRuleExtractor

# 初始化树规则提取器
tree_miner = TreeRuleExtractor(
    df, 
    target_col='ISBAD', 
    exclude_cols=['ID', 'CREATE_TIME', 'OVD_BAL', 'AMOUNT'],
    algorithm='rf',  # 使用随机森林算法
    max_depth=5,
    n_estimators=10,
    test_size=0.3,
    random_state=42
)

# 训练模型
train_acc, test_acc = tree_miner.train()
print(f"训练集准确率: {train_acc:.4f}")
print(f"测试集准确率: {test_acc:.4f}")

# 提取规则
rules = tree_miner.extract_rules()
print(f"提取的规则数量: {len(rules)}")

# 获取规则DataFrame
rules_df = tree_miner.get_rules_as_dataframe(sort_by_lift=True)
print(rules_df.head())

输出示例：

训练集准确率: 0.8500
测试集准确率: 0.8200
提取的规则数量: 31
         rule_id                                        rule  predicted_class  class_probability  sample_count
0             0  ALI_FQZSCORE <= 535.0000                1            0.6500           120
1             1  BAIDU_FQZSCORE <= 420.0000                1            0.5800            95
2             2  ALI_FQZSCORE <= 535.0000 AND BAIDU_FQZSCORE <= 420.0000  1            0.7200           80

4. 规则评估基础案例

规则效度评估

from rulelift import analyze_rules

# 加载规则命中数据
hit_rule_df = load_example_data('hit_rule_info.csv')

# 通过用户评级评估规则效度
result_by_rating = analyze_rules(
    hit_rule_df, 
    rule_col='RULE',
    user_id_col='USER_ID',
    user_level_badrate_col='USER_LEVEL_BADRATE',
    hit_date_col='HIT_DATE',
    include_stability=True
)
print(result_by_rating[['RULE', 'actual_lift', 'actual_badrate', 'hit_rate_cv']].head())

输出示例：

         RULE  actual_lift  actual_badrate  hit_rate_cv
0  rule1     2.3456789      0.3456789     0.123456
1  rule2     2.123456      0.234567      0.145678
2  rule3     1.987654      0.123456      0.156789

5. 变量分析基础案例

from rulelift import VariableAnalyzer

# 初始化变量分析器
var_analyzer = VariableAnalyzer(
    df, 
    exclude_cols=['ID', 'CREATE_TIME', 'OVD_BAL', 'AMOUNT'], 
    target_col='ISBAD'
)

# 分析所有变量的效度指标
var_metrics = var_analyzer.analyze_all_variables()
print("所有变量效度指标:")
print(var_metrics)

# 分析单个变量的分箱情况
feature = 'ALI_FQZSCORE'
bin_analysis = var_analyzer.analyze_single_variable(feature, n_bins=10)
print(f"\n{feature} 分箱分析:")
print(bin_analysis)

输出示例：

所有变量效度指标:
        variable        iv        ks        auc  missing_rate  single_value_rate  min_value  max_value  median_value  mean_diff  corr_with_target  psi
0  ALI_FQZSCORE  0.456789  0.452345  0.723456      0.012345      0.0456789      0.987654      0.723456      0.012345      0.456789      0.012345
1  BAIDU_FQZSCORE  0.3456789  0.3456789  0.678901      0.023456      0.056789      0.976543      0.678901      0.023456      0.3456789      0.023456

ALI_FQZSCORE 分箱分析:
        bin_range  count  bad_count  good_count  badrate  sample_ratio  cumulative_badrate
0  (514.999, 705.0]    120         78         42   0.6500        0.2400          0.6500
1  (705.0, 745.0]       95         55         40   0.5789        0.1900          0.6150
2  (745.0, 780.0]       80         45         35   0.5625        0.1600          0.5950

---

核心功能详解

1. 树规则提取（TreeRuleExtractor）

TreeRuleExtractor 是一个统一的树模型规则提取类，支持多种算法（DT、RF、CHI2、XGB、ISF）。支持业务解释性配置、支持树复杂度及规则精度配置、支持评估规则全面方面指标badrate、损失率指标等等。

1.1 支持的算法

算法	说明	适用场景
dt	决策树（Decision Tree）	快速生成规则，适合初步探索
rf	随机森林（Random Forest）	规则稳定性好，多样性高，适合生产环境
chi2	卡方决策树（Chi-square Decision Tree）	适合分类特征较多的场景
xgb	XGBoost（梯度提升树）	规则精度高，适合复杂场景
isf	孤立森林（Isolation Forest）	适合挖掘异常样本的规则

1.2 初始化参数详解

from rulelift import TreeRuleExtractor

tree_miner = TreeRuleExtractor(
    df, 
    target_col='ISBAD',           # 目标字段名，默认为'ISBAD'
    exclude_cols=['ID', 'CREATE_TIME', 'OVD_BAL', 'AMOUNT'],  # 排除的字段名列表
    algorithm='rf',                # 算法类型：'dt'、'rf'、'chi2'、'xgb'、'isf'，默认为'dt'
    
    # 树复杂度配置
    max_depth=5,                  # 决策树最大深度，控制树的复杂度，默认为5
    min_samples_split=10,         # 分裂节点所需的最小样本数，控制规则精度，默认为10
    min_samples_leaf=5,           # 叶子节点的最小样本数，控制规则精度，默认为5
    n_estimators=10,              # 随机森林/XGBoost/孤立森林中树的数量，默认为10
    max_features='sqrt',           # 每棵树分裂时考虑的最大特征数：'sqrt'或'log2'，默认为'sqrt'
    
    # 数据划分配置
    test_size=0.3,                # 测试集比例，默认为0.3
    random_state=42,              # 随机种子，保证结果可复现，默认为42
    
    # 损失率指标配置
    amount_col='AMOUNT',          # 金额字段名，用于计算损失率指标，默认为None
    ovd_bal_col='OVD_BAL',        # 逾期金额字段名，用于计算损失率指标，默认为None
    
    # 业务解释性配置
    feature_trends={              # 特征与目标标签的正负相关性字典，用于避免不符合业务解释性的规则
        'ALI_FQZSCORE': -1,      # 负相关：分数越低，违约概率越高
        'BAIDU_FQZSCORE': -1,    # 负相关：分数越低，违约概率越高
        'NUMBER OF LOAN APPLICATIONS TO PBOC': 1  # 正相关：申请次数越多，违约概率越高
    }
)

# 训练模型
train_acc, test_acc = tree_miner.train()
print(f"训练集准确率: {train_acc:.4f}")
print(f"测试集准确率: {test_acc:.4f}")

# 提取规则
rules = tree_miner.extract_rules()
print(f"提取的规则数量: {len(rules)}")

# 获取规则DataFrame
rules_df = tree_miner.get_rules_as_dataframe(deduplicate=True, sort_by_lift=True)
print(rules_df.head())

1.3 特征趋势判断（feature_trends）

规则挖掘中加入业务逻辑判断，feature_trends 参数用于配置特征与目标标签的正负相关性，避免不符合业务解释性的规则。

参数说明：

• feature_trends: Dict[str, int]，键为特征名，值为 1（正相关）或 -1（负相关），仅挖掘符合特征业务逻辑的规则
  • 正相关（值为1）：表示特征数值越大，目标标签（违约概率）越高，如多头申请次数
  • 负相关（值为-1）：特征数值越小，目标标签（违约概率）越高，如信用评分

使用示例：

# 使用特征趋势过滤
tree_miner = TreeRuleExtractor(
    df, 
    target_col='ISBAD', 
    exclude_cols=['ID', 'CREATE_TIME'],
    algorithm='rf',
    feature_trends={
        'ALI_FQZSCORE': -1,      # 负相关：分数越低，违约概率越高
        'BAIDU_FQZSCORE': -1,    # 负相关：分数越低，违约概率越高
        'NUMBER OF LOAN APPLICATIONS TO PBOC': 1  # 正相关：申请次数越多，违约概率越高
    }
)

# 提取规则（会自动过滤不符合业务解释性的规则）
rules = tree_miner.extract_rules()

效果示例：

不使用 feature_trends：

Rule 1: BAIDU_FQZSCORE > 327.0000  # 该拦截规则，可能不符合业务解释性
Rule 2: NUMBER OF LOAN APPLICATIONS TO PBOC <= 5.0000  # 该拦截规则，可能不符合业务解释性

使用 feature_trends：

Rule 1: BAIDU_FQZSCORE <= 535.0000  # 负相关 
Rule 2: NUMBER OF LOAN APPLICATIONS TO PBOC > 2.0000  # 正相关 

1.5 训练模型

# 训练模型
train_acc, test_acc = tree_miner.train()
print(f"训练集准确率: {train_acc:.4f}")
print(f"测试集准确率: {test_acc:.4f}")

返回值说明：

• 对于 DT、RF、CHI2、XGB 算法：返回 (train_acc, test_acc)，分别为训练集和测试集的准确率
• 对于 ISF 算法：返回 (mean_score, std_score)，分别为平均异常分数和标准差

1.6 提取规则

# 提取规则
rules = tree_miner.extract_rules()
print(f"提取的规则数量: {len(rules)}")

# 获取规则DataFrame
rules_df = tree_miner.get_rules_as_dataframe(deduplicate=True, sort_by_lift=True)
print(rules_df.head())

参数说明：

• deduplicate: bool，是否去重，默认为False
• sort_by_lift: bool，是否按lift倒序排序，默认为False

1.7 规则评估

TreeRuleExtractor 提供了全面的规则评估功能，支持训练集和测试集的效度评估。

评估指标：

• 训练集指标：训练集上的准确率、召回率、精确率、F1分数、lift值、命中率、badrate降低幅度
• 测试集指标：测试集上的准确率、召回率、精确率、F1分数、lift值、命中率、badrate降低幅度
• 损失率指标（可选）：如果提供了 amount_col 和 ovd_bal_col，还会计算损失率和损失lift值

使用示例：

# 训练模型
train_acc, test_acc = tree_miner.train()
print(f"训练集准确率: {train_acc:.4f}")
print(f"测试集准确率: {test_acc:.4f}")

# 提取规则
rules = tree_miner.extract_rules()

# 评估规则（包含损失率指标）
eval_results = tree_miner.evaluate_rules()
print(f"评估的规则数量: {len(eval_results)}")
print("规则评估结果（前5条）:")
print(eval_results[['rule', 'train_loss_rate', 'train_loss_lift', 'test_loss_rate', 'test_loss_lift', 'train_lift', 'test_lift']].head())

输出示例：

评估的规则数量: 31
规则评估结果（前5条）:
         rule  train_loss_rate  train_loss_lift  test_loss_rate  test_loss_lift  train_lift  test_lift
0  rule_1         0.3456789       2.3456789      0.234567       1.987654  2.123456      1.987654
1  rule_2         0.234567       1.987654      0.123456       1.876543  1.654321      1.876543
2  rule_3         0.123456       1.765432      0.098765       1.765432  1.543210      1.543210
3  rule_4         0.098765       1.654321      0.076543       1.543210  1.432109      1.432109
4  rule_5         0.076543       1.543210      0.065432       1.432109  1.321098      1.321098

评估指标详细说明：

指标	说明	计算公式
train_hit_count	训练集命中该规则的样本数	-
train_bad_count	训练集命中该规则的坏样本数	-
train_good_count	训练集命中该规则的好样本数	-
train_badrate	训练集命中该规则的坏样本率	train_bad_count / train_hit_count
train_precision	训练集精确率	train_bad_count / train_hit_count
train_recall	训练集召回率	train_bad_count / total_bad_train
train_f1	训练集F1分数	2 * (precision * recall) / (precision + recall)
train_lift	训练集lift值	train_badrate / baseline_badrate_train
train_loss_rate	训练集损失率	total_ovd_bal_bad_selected / total_amount_selected
train_loss_lift	训练集损失lift值	train_loss_rate / overall_loss_rate_train
train_hit_rate	训练集命中率	train_hit_count / total_train_samples
train_baseline_badrate	训练集基准badrate	total_bad_train / total_train_samples
train_badrate_after_interception	训练集拦截后badrate	(total_bad_train - train_bad_count) / (total_train_samples - train_hit_count)
train_badrate_reduction	训练集badrate降低幅度	(baseline_badrate_train - badrate_after_interception_train) / baseline_badrate_train / train_hit_rate
test_hit_count	测试集命中该规则的样本数	-
test_bad_count	测试集命中该规则的坏样本数	-
test_good_count	测试集命中该规则的好样本数	-
test_badrate	测试集命中该规则的坏样本率	test_bad_count / test_hit_count
test_precision	测试集精确率	test_bad_count / test_hit_count
test_recall	测试集召回率	test_bad_count / total_bad_test
test_f1	测试集F1分数	2 * (precision * recall) / (precision + recall)
test_lift	测试集lift值	test_badrate / baseline_badrate_test
test_loss_rate	测试集损失率	total_ovd_bal_bad_selected / total_amount_selected
test_loss_lift	测试集损失lift值	test_loss_rate / overall_loss_rate_test
test_hit_rate	测试集命中率	test_hit_count / total_test_samples
test_baseline_badrate	测试集基准badrate	total_bad_test / total_test_samples
test_badrate_after_interception	测试集拦截后badrate	(total_bad_test - test_bad_count) / (total_test_samples - test_hit_count)
test_badrate_reduction	测试集badrate降低幅度	(baseline_badrate_test - badrate_after_interception_test) / baseline_badrate_test / test_hit_rate
badrate_diff	训练集和测试集lift的差异	train_lift - test_lift
true_positive	真阳性（TP）	test_bad_count
false_positive	假阳性（FP）	test_good_count
true_negative	真阴性（TN）	未命中且为好样本的数量
false_negative	假阴性（FN）	未命中且为坏样本的数量

1.8 不同算法使用示例

1.8.1 决策树（DT）

# 初始化决策树规则提取器
tree_miner_dt = TreeRuleExtractor(
    df, 
    target_col='ISBAD', 
    exclude_cols=['ID', 'CREATE_TIME', 'OVD_BAL', 'AMOUNT'],
    algorithm='dt',
    max_depth=3, 
    min_samples_split=20,
    min_samples_leaf=10,
    random_state=42
)

# 训练模型
train_acc, test_acc = tree_miner_dt.train()
print(f"训练集准确率: {train_acc:.4f}")
print(f"测试集准确率: {test_acc:.4f}")

# 提取规则
dt_rules = tree_miner_dt.extract_rules()
print(f"提取的规则数量: {len(dt_rules)}")

# 评估规则
eval_results = tree_miner_dt.evaluate_rules()
print(eval_results[['rule', 'test_hit_count', 'test_badrate', 'test_lift']].head())

1.8.2 随机森林（RF）

# 初始化随机森林规则提取器
tree_miner_rf = TreeRuleExtractor(
    df, 
    target_col='ISBAD', 
    exclude_cols=['ID', 'CREATE_TIME', 'OVD_BAL', 'AMOUNT'],
    algorithm='rf',
    max_depth=3, 
    min_samples_split=20,
    min_samples_leaf=10,
    n_estimators=5,
    max_features='sqrt',
    random_state=42
)

# 训练模型
train_acc, test_acc = tree_miner_rf.train()
print(f"训练集准确率: {train_acc:.4f}")
print(f"测试集准确率: {test_acc:.4f}")

# 提取规则
rf_rules = tree_miner_rf.extract_rules()
print(f"提取的规则数量: {len(rf_rules)}")

# 评估规则
eval_results = tree_miner_rf.evaluate_rules()
print(eval_results[['rule', 'test_hit_count', 'test_badrate', 'test_lift']].head())

1.8.3 卡方决策树（CHI2）

# 初始化卡方决策树规则提取器
tree_miner_chi2 = TreeRuleExtractor(
    df, 
    target_col='ISBAD', 
    exclude_cols=['ID', 'CREATE_TIME', 'OVD_BAL', 'AMOUNT'],
    algorithm='chi2',
    max_depth=3, 
    min_samples_split=20,
    min_samples_leaf=10,
    random_state=42
)

# 训练模型
train_acc, test_acc = tree_miner_chi2.train()
print(f"训练集准确率: {train_acc:.4f}")
print(f"测试集准确率: {test_acc:.4f}")

# 提取规则
chi2_rules = tree_miner_chi2.extract_rules()
print(f"提取的规则数量: {len(chi2_rules)}")

# 评估规则
eval_results = tree_miner_chi2.evaluate_rules()
print(eval_results[['rule', 'test_hit_count', 'test_badrate', 'test_lift']].head())

1.8.4 XGBoost（XGB）

# 初始化XGBoost规则提取器，使用特征业务解释性判断
tree_miner_xgb = TreeRuleExtractor(
    df, 
    target_col='ISBAD', 
    exclude_cols=['ID', 'CREATE_TIME', 'OVD_BAL', 'AMOUNT'],
    algorithm='xgb',
    max_depth=3,
    min_samples_split=10,
    min_samples_leaf=10,
    n_estimators=10,
    feature_trends={
        'ALI_FQZSCORE': -1,      # 负相关：分数越低，违约概率越高
        'BAIDU_FQZSCORE': -1,    # 负相关：分数越低，违约概率越高
        'NUMBER OF LOAN APPLICATIONS TO PBOC': 1  # 正相关：申请次数越多，违约概率越高
    },
    random_state=42
)

# 训练模型
train_acc, test_acc = tree_miner_xgb.train()
print(f"训练集准确率: {train_acc:.4f}")
print(f"测试集准确率: {test_acc:.4f}")

# 提取规则
xgb_rules = tree_miner_xgb.extract_rules()
print(f"提取的规则数量: {len(xgb_rules)}")

# 评估规则
eval_results = tree_miner_xgb.evaluate_rules()
print(eval_results[['rule', 'test_hit_count', 'test_badrate', 'test_lift']].head())

1.8.5 孤立森林（ISF）

# 初始化孤立森林规则提取器，使用特征趋势判断
tree_miner_isf = TreeRuleExtractor(
    df, 
    target_col='ISBAD', 
    exclude_cols=['ID', 'CREATE_TIME', 'OVD_BAL', 'AMOUNT'],
    algorithm='isf',
    n_estimators=10,
    random_state=42,
    feature_trends={
        'ALI_FQZSCORE': -1,      # 负相关：分数越低，违约概率越高
        'BAIDU_FQZSCORE': -1,    # 负相关：分数越低，违约概率越高
        'NUMBER OF LOAN APPLICATIONS TO PBOC': 1  # 正相关：申请次数越多，违约概率越高
    }
)

# 训练模型
mean_score, std_score = tree_miner_isf.train()
print(f"平均异常分数: {mean_score:.4f}")
print(f"标准差: {std_score:.4f}")

# 提取规则
isf_rules = tree_miner_isf.extract_rules()
print(f"提取的异常规则数量: {len(isf_rules)}")

# 打印规则
tree_miner_isf.print_rules(top_n=5)

1.9 可视化功能

1.9.1 特征重要性图

# 绘制特征重要性图
tree_miner.plot_feature_importance(save_path='images/tree_feature_importance.png')

1.9.2 决策树结构图

# 绘制决策树结构（仅适用于dt、chi2算法）
tree_miner.plot_decision_tree(save_path='images/tree_decision_structure.pdf')

1.9.3 规则评估图

# 绘制规则评估图
tree_miner.plot_rule_evaluation(save_path='images/tree_rule_evaluation.png')

1.10 打印规则

# 打印Top 5规则
tree_miner.print_rules(top_n=5)

---

2. 单特征规则挖掘（SingleFeatureRuleMiner）

用于对数据各特征的不同阈值进行效度分布分析。

2.1 初始化参数详解

from rulelift import SingleFeatureRuleMiner

# 初始化单特征规则挖掘器（不使用损失率指标）
sf_miner = SingleFeatureRuleMiner(
    df, 
    exclude_cols=['ID', 'CREATE_TIME', 'OVD_BAL', 'AMOUNT'],
    target_col='ISBAD'
)

# 初始化单特征规则挖掘器（使用损失率指标）
sf_miner_with_loss = SingleFeatureRuleMiner(
    df, 
    exclude_cols=['ID', 'CREATE_TIME', 'OVD_BAL', 'AMOUNT'],
    target_col='ISBAD',
    amount_col='AMOUNT',      # 金额字段名
    ovd_bal_col='OVD_BAL'      # 逾期金额字段名
)

2.2 参数详细说明

参数	类型	默认值	说明
df	DataFrame	必填	输入的数据集
exclude_cols	List[str]	None	排除的字段名列表
target_col	str	'ISBAD'	目标字段名
amount_col	str	None	金额字段名，用于计算损失率指标
ovd_bal_col	str	None	逾期金额字段名，用于计算损失率指标

2.3 分析单个特征

# 分析单个特征
feature = 'ALI_FQZSCORE'
metrics_df = sf_miner.calculate_single_feature_metrics(feature, num_bins=20)
print(f"\n=== {feature} 分箱分析 ===")
print(metrics_df.head())

# 获取Top规则
top_rules = sf_miner.get_top_rules(feature=feature, top_n=5, metric='lift', min_samples=10)
print(f"\n=== Top 5规则 ===")
print(top_rules[['rule_description', 'lift', 'badrate', 'selected_samples']])

2.4 参数详细说明

参数	类型	默认值	说明
feature	str	必填	特征名
num_bins	int	20	分箱数量
top_n	int	10	返回的规则数量
metric	str	'lift'	排序指标：'lift'、'badrate'、'loss_rate'、'loss_lift'等
min_samples	int	10	最小样本数过滤
min_lift	float	1.1	最小lift值过滤

2.5 输出示例

=== Top 5规则 ===
                           rule_description      lift  badrate  selected_samples
0  ALI_FQZSCORE <= 665.0000  2.174292  0.666667              51
1  ALI_FQZSCORE <= 688.5000  2.087320  0.640000              75
2  ALI_FQZSCORE <= 705.0000  1.993101  0.611111             108
3  ALI_FQZSCORE <= 725.0000  1.928934  0.580000             150
4  ALI_FQZSCORE <= 745.0000  1.867925  0.555556             180

2.6 可视化

# 绘制特征指标分布图
plt = sf_miner.plot_feature_metrics(feature, metric='lift')
plt.savefig(f'{feature}_lift_distribution.png', dpi=300, bbox_inches='tight')
plt.close()

---

3. 多特征交叉规则挖掘（MultiFeatureRuleMiner）

用于生成双特征交叉分析结果，支持自定义分箱阈值、自动分箱、卡方分箱等多种分箱策略。支持损失率指标计算。

3.1 初始化参数详解

from rulelift import MultiFeatureRuleMiner

# 初始化多特征规则挖掘器（不使用损失率指标）
multi_miner = MultiFeatureRuleMiner(df, target_col='ISBAD')

# 初始化多特征规则挖掘器（使用损失率指标）
multi_miner_with_loss = MultiFeatureRuleMiner(
    df, 
    target_col='ISBAD',
    amount_col='AMOUNT',      # 金额字段名
    ovd_bal_col='OVD_BAL'      # 逾期金额字段名
)

3.2 参数详细说明

参数	类型	默认值	说明
df	DataFrame	必填	输入的数据集
target_col	str	'ISBAD'	目标字段名
amount_col	str	None	金额字段名，用于计算损失率指标
ovd_bal_col	str	None	逾期金额字段名，用于计算损失率指标

3.3 生成交叉矩阵

feature1 = 'ALI_FQZSCORE'
feature2 = 'BAIDU_FQZSCORE'

# 生成交叉矩阵
cross_matrix = multi_miner.generate_cross_matrix(
    feature1, feature2,
    max_unique_threshold=5,
    custom_bins1=None,
    custom_bins2=None,
    binning_method='quantile'
)

# 查看交叉矩阵
print(cross_matrix.head())

3.4 参数详细说明

参数	类型	默认值	说明
feature1	str	必填	第一个特征名
feature2	str	必填	第二个特征名
max_unique_threshold	int	5	最大允许的唯一值数量阈值，超过则进行分箱
custom_bins1	List[float]	None	第一个特征的自定义分箱阈值
custom_bins2	List[float]	None	第二个特征的自定义分箱阈值
binning_method	str	'quantile'	分箱方法：'quantile'（等频）或'chi2'（卡方）

3.5 支持的指标说明

多特征交叉分析支持多种指标，帮助策略人员全面评估特征组合的风险水平和业务价值：

指标	定义	业务意义
badrate	坏样本比例 = 坏样本数 / 总样本数	直接反映该特征组合下的风险水平
count	样本数量	反映该特征组合的覆盖范围
bad_count	坏样本数量	该特征组合下的坏客户数量
sample_ratio	样本占比 = 该组合样本数 / 总样本数	反映该特征组合的业务重要性
lift	提升度 = 该组合badrate / 总样本badrate	反映该特征组合的风险区分能力，值越大效果越好
loss_rate	损失率 = 损失金额 / 总金额	反映该特征组合的实际损失程度（需要提供amount_col和ovd_bal_col）
loss_lift	损失提升度 = 该组合loss_rate / 总样本loss_rate	反映该特征组合的损失区分能力（需要提供amount_col和ovd_bal_col）

3.6 生成交叉矩阵Excel文件

# 生成交叉矩阵Excel文件（方便策略人员根据交叉矩阵制订规则）
cross_matrices = multi_miner.generate_cross_matrices_excel(
    features_list=['ALI_FQZSCORE', 'BAIDU_FQZSCORE'], 
    output_path='cross_analysis.xlsx'
)
print(f"交叉矩阵Excel文件已保存到: cross_analysis.xlsx")

# 查看生成的Excel文件
# 文件包含多个sheet，每个sheet对应一个特征组合
# 每个sheet包含：badrate、count、sample_ratio、lift等指标

3.7 多特征两两交叉分析

支持传入多个特征，自动生成所有两两特征组合的交叉矩阵，方便策略人员全面分析特征间的交互关系。

# 多特征两两交叉分析示例
features_list = ['ALI_FQZSCORE', 'BAIDU_FQZSCORE', 'NUMBER OF LOAN APPLICATIONS TO PBOC']
cross_matrices_multi = multi_miner.generate_cross_matrices_excel(
    features_list=features_list,
    output_path='cross_analysis_multi_features.xlsx',
    metrics=['badrate', 'count', 'sample_ratio', 'lift', 'loss_rate', 'loss_lift'],  # 支持多种指标分析
    binning_method='quantile'  # 支持等频分箱
)
print(f"多特征交叉矩阵Excel文件已保存到: cross_analysis_multi_features.xlsx")

3.8 参数详细说明

参数	类型	默认值	说明
features_list	List[str]	必填	特征清单列表，用于多特征两两组合生成矩阵
feature1	str	None	第一个特征名（兼容旧版本，当features_list为None时使用）
feature2	str	None	第二个特征名（兼容旧版本，当features_list为None时使用）
max_unique_threshold	int	5	最大允许的唯一值数量阈值，超过则进行分箱
custom_bins1	List[float]	None	第一个特征的自定义分箱阈值（仅当features_list长度为2时有效）
custom_bins2	List[float]	None	第二个特征的自定义分箱阈值（仅当features_list长度为2时有效）
binning_method	str	'quantile'	分箱方法：'quantile'（等频）或'chi2'（卡方）
output_path	str	'cross_analysis.xlsx'	Excel输出路径
metrics	List[str]	['badrate', 'count', 'sample_ratio']	要导出的指标列表，可选：'badrate', 'count', 'bad_count', 'sample_ratio', 'lift', 'loss_rate', 'loss_lift'

3.9 交叉矩阵Excel文件示例

生成的Excel文件包含多个sheet，每个sheet对应一个特征组合，例如：

• ALI_FQZSCORE_x_BAIDU_FQZSCORE：两个特征的交叉矩阵
• ALI_FQZSCORE_x_NUMBER OF LOAN APPLICATIONS TO PBOC：另一个特征组合
• 每个sheet包含以下指标：badrate、count、sample_ratio、lift等
• 策略人员可以根据交叉矩阵中的高lift区域制订规则

Excel文件内容示例：

ALI_FQZSCORE	BAIDU_FQZSCORE	badrate	count	sample_ratio	lift
(500, 600]	(300, 400]	0.6667	15	0.03	2.5
(500, 600]	(400, 500]	0.4000	25	0.05	1.5
(600, 700]	(300, 400]	0.5000	20	0.04	1.9
(600, 700]	(400, 500]	0.2000	30	0.06	0.8
(700, 800]	(300, 400]	0.3000	18	0.036	1.15
(700, 800]	(400, 500]	0.1500	40	0.08	0.58

包含损失率指标的Excel示例（需要在初始化时提供amount_col和ovd_bal_col）：

ALI_FQZSCORE	BAIDU_FQZSCORE	badrate	count	loss_rate	loss_lift
(500, 600]	(300, 400]	0.6667	15	0.4567	2.89
(500, 600]	(400, 500]	0.4000	25	0.3210	2.01
(600, 700]	(300, 400]	0.5000	20	0.2890	1.81
(600, 700]	(400, 500]	0.2000	30	0.1567	0.98

3.10 获取Top规则

# 获取Top规则
top_rules = multi_miner.get_cross_rules(
    feature1, feature2,
    top_n=10,
    metric='lift',
    min_samples=10,
    min_lift=1.1,
    max_unique_threshold=5,
    custom_bins1=None,
    custom_bins2=None,
    binning_method='quantile'
)

print(top_rules[['feature1_value', 'feature2_value', 'count', 'badrate', 'lift', 'rule_description']])

3.11 可视化

# 绘制交叉热力图
plt = multi_miner.plot_cross_heatmap(feature1, feature2, metric='lift')
plt.savefig('images/cross_feature_heatmap.png', dpi=300, bbox_inches='tight')
plt.close()

---

4. 变量分析（VariableAnalyzer）

支持对特征变量进行全面的效度分析和分箱分析，帮助风控团队识别重要变量，优化特征工程。

4.1 初始化参数详解

from rulelift import VariableAnalyzer

# 初始化变量分析器（不使用损失率指标）
var_analyzer = VariableAnalyzer(
    df, 
    exclude_cols=['ID', 'CREATE_TIME', 'OVD_BAL', 'AMOUNT'], 
    target_col='ISBAD'
)

# 初始化变量分析器（使用损失率指标）
var_analyzer_with_loss = VariableAnalyzer(
    df, 
    exclude_cols=['ID', 'CREATE_TIME', 'OVD_BAL', 'AMOUNT'], 
    target_col='ISBAD',
    amount_col='AMOUNT',      # 金额字段名
    ovd_bal_col='OVD_BAL'      # 逾期金额字段名
)

4.2 参数详细说明

参数	类型	默认值	说明
df	DataFrame	必填	输入的数据集
exclude_cols	List[str]	None	排除的字段名列表
target_col	str	'ISBAD'	目标字段名
amount_col	str	None	金额字段名，用于计算损失率指标
ovd_bal_col	str	None	逾期金额字段名，用于计算损失率指标

4.3 分析所有变量的效度指标

# 分析所有变量的效度指标
var_metrics = var_analyzer.analyze_all_variables()
print("\n=== 所有变量效度指标 ===")
print(var_metrics)

4.4 分析单个变量的分箱情况

# 分析单个变量的分箱情况
feature = 'ALI_FQZSCORE'
bin_analysis = var_analyzer.analyze_single_variable(feature, n_bins=10)
print(f"\n=== {feature} 分箱分析 ===")
print(bin_analysis)

4.5 参数详细说明

参数	类型	默认值	说明
feature	str	必填	特征名
n_bins	int	10	分箱数量
psi_dt	str	None	PSI计算分割日期
date_col	str	None	日期字段名

4.6 输出示例

=== 所有变量效度指标 ===
        variable        iv        ks        auc  missing_rate  single_value_rate  min_value  max_value  median_value  mean_diff  corr_with_target  psi
0  ALI_FQZSCORE  0.456789  0.452345  0.723456      0.012345      0.0456789      0.987654      0.723456      0.012345      0.456789      0.012345
1  BAIDU_FQZSCORE  0.3456789  0.3456789  0.678901      0.023456      0.056789      0.976543      0.678901      0.023456      0.3456789      0.023456

4.7 变量效度指标说明

指标	定义	最佳范围	意义
iv	信息值(Information Value)	> 0.1	变量的预测能力，值越大预测能力越强
ks	KS统计量	> 0.2	变量对好坏客户的区分能力，值越大区分能力越强
auc	曲线下面积	> 0.6	变量的整体预测能力，值越大预测能力越强
missing_rate	缺失率	< 0.1	变量的缺失值比例，值越小数据质量越好
single_value_rate	单值率	< 0.05	变量的唯一值比例，值越小区分能力越强
min_value	最小值	-	变量的最小值
max_value	最大值	-	变量的最大值
median_value	中位数	-	变量的中位数，反映中心趋势
mean_diff	均值差异	> 0.1	好坏客户均值差异，值越大区分能力越强
corr_with_target	与目标变量相关系数	-	变量与目标变量的相关性，值越大越重要
psi	群体稳定性指标(PSI)	< 0.1	变量的稳定性指标，值越小越稳定

4.8 可视化

# 可视化变量分箱结果
var_analyzer.plot_variable_bins(feature, n_bins=10)
plt.savefig(f'{feature}_bin_analysis.png', dpi=300, bbox_inches='tight')
plt.close()

---

5. 规则效度分析监控模块（analyze_rules）

用于实时评估上线规则的效度。解决规则拦截样本无标签的问题，借助客户评级分布差异，推算逾期率、召回率、精确率、lift 值等核心指标。

5.1 初始化参数详解

from rulelift import analyze_rules

# 通过用户评级评估规则效度
result_by_rating = analyze_rules(
    hit_rule_df, 
    rule_col='RULE',
    user_id_col='USER_ID',
    user_level_badrate_col='USER_LEVEL_BADRATE',  # 用户评级坏账率字段
    hit_date_col='HIT_DATE',  # 命中日期，用于计算稳定性指标
    include_stability=True  # 是否包含稳定性指标
)

# 通过目标标签评估规则效度
result_by_target = analyze_rules(
    hit_rule_df, 
    rule_col='RULE',
    user_id_col='USER_ID',
    user_target_col='USER_TARGET',  # 用户实际逾期标签字段
    hit_date_col='HIT_DATE',  # 命中日期，用于计算稳定性指标
    include_stability=True  # 是否包含稳定性指标
)

# 同时使用两种方式评估规则效度
result_combined = analyze_rules(
    hit_rule_df, 
    rule_col='RULE',
    user_id_col='USER_ID',
    user_level_badrate_col='USER_LEVEL_BADRATE',
    user_target_col='USER_TARGET',
    hit_date_col='HIT_DATE',
    include_stability=True  # 是否包含稳定性指标
)

5.2 参数详细说明

参数	类型	默认值	说明
rule_score	DataFrame	必填	规则拦截客户信息
rule_col	str	'RULE'	规则字段名
user_id_col	str	'USER_ID'	用户编号字段名
user_level_badrate_col	str	None	用户评级坏账率字段名（可选）
user_target_col	str	None	用户实际逾期字段名（可选）
hit_date_col	str	None	命中日期字段名（可选，用于命中率监控）
metrics	list	None	指定要计算的指标列表（可选）
include_stability	bool	True	是否包含稳定性指标

5.3 评估方式说明

5.3.1 通过用户评级评估规则

当用户没有实际逾期标签时，可以使用用户评级对应的坏账率来评估规则效果。

计算指标：

• estimated_badrate_pred: 预估坏账率
• estimated_recall_pred: 预估召回率
• estimated_precision_pred: 预估精确率
• estimated_lift_pred: 预估lift值

5.3.2 通过目标标签评估规则

当用户有实际逾期标签时，可以直接使用目标标签来评估规则效果。

计算指标：

• actual_badrate: 实际坏账率
• actual_recall: 实际召回率
• actual_precision: 实际精确率
• actual_lift: 实际lift值
• f1: F1分数

5.3.3 命中率相关指标

当提供了 hit_date_col 时，还会计算以下指标：

指标	定义	业务意义
base_hit_rate	历史平均命中率	反映规则的历史命中情况
current_hit_rate	当天命中率	反映规则的当前命中情况
hit_rate_cv	命中率变异系数 = 标准差/均值	反映规则命中率的稳定性，值越小越稳定
hit_rate_change_rate	命中率变化率 = (当前命中率 - 历史平均命中率) / 历史平均命中率	反映规则命中率的变化趋势

5.3.4 稳定性指标

当提供了 hit_date_col 且 include_stability=True 时，还会计算以下稳定性指标：

指标	定义	业务意义
hit_rate_std	命中率标准差	反映规则命中率的波动程度
hit_rate_cv	命中率变异系数	反映规则命中率的稳定性，值越小越稳定
max_monthly_change	最大月度变化率	反映规则命中率的最大波动
min_monthly_change	最小月度变化率	反映规则命中率的最小波动
avg_monthly_change	平均月度变化率	反映规则命中率的平均变化趋势
months_analyzed	分析的月份数量	反映分析的时间跨度

5.4 规则相关性分析

from rulelift import analyze_rule_correlation

# 规则相关性分析
correlation_matrix, max_correlation = analyze_rule_correlation(
    hit_rule_df, 
    rule_col='RULE', 
    user_id_col='USER_ID'
)
print(f"   规则相关性矩阵:")
print(correlation_matrix)
print(f"   每条规则的最大相关性:")
for rule, corr in max_correlation.items():
    print(f"   {rule}: {corr['max_correlation_value']:.4f}")

输出示例：

规则相关性矩阵:
          rule1     rule2     rule3
rule1  1.000000  0.234567  0.345678
rule2  0.234567  1.000000  0.456789
rule3  0.345678  0.456789  1.000000

每条规则的最大相关性:
rule1: 0.3457
rule2: 0.4568
rule3: 0.4568

5.5 输出示例

=== 规则效度分析结果 ===
         RULE  actual_lift  actual_badrate  actual_recall        f1
0  rule1     2.3456789      0.3456789      0.456789  0.3456789
1  rule2     2.123456      0.234567       0.3456789  0.234567
2  rule3     1.987654      0.123456       0.234567  0.123456

---

6. 策略相关性、增益计算（calculate_strategy_gain）

评估策略组合效果，计算两两规则间的增益。

6.1 初始化参数详解

from rulelift import calculate_strategy_gain

# 定义两个策略组
strategy1 = ['rule1', 'rule2']
strategy2 = ['rule1', 'rule2', 'rule3']

# 计算策略增益（strategy1 到 strategy2 的额外价值）
gain = calculate_strategy_gain(
    hit_rule_df, 
    strategy1, 
    strategy2, 
    user_target_col='USER_TARGET'
)
print(f"\n策略增益: {gain:.4f}")

6.2 参数详细说明

参数	类型	默认值	说明
rule_score	DataFrame	必填	规则拦截客户信息
strategy_a_rules	list	必填	策略A的规则列表
strategy_b_rules	list	必填	策略B的规则列表
user_target_col	str	None	用户实际逾期字段名（可选）
user_level_badrate_col	str	None	用户评级坏账率字段名（可选）

6.3 增益指标说明

指标	定义	业务意义
gain_users	策略A在策略B之后新增的拦截用户数	反映策略A的额外覆盖能力
gain_bads	新增拦截用户中的坏客户数	反映策略A的额外拦截能力
gain_badrate	新增拦截用户的坏账率	反映新增拦截用户的质量
gain_lift	新增拦截用户坏账率相对于策略B坏账率的增益（倍数）	反映策略A的额外价值
gain_coverage	新增拦截用户占总样本的比例	反映策略A的额外覆盖范围
gain_recall	新增拦截用户中的坏客户占总坏客户的比例	反映策略A的额外召回能力
b_hit_users	策略B拦截的用户数	反映策略B的覆盖范围
b_badrate	策略B拦截用户的坏账率	反映策略B的拦截质量

6.4 输出示例

策略增益: 1.2345

---

核心指标说明

规则评估指标

指标	定义	最佳范围	意义
actual_lift	规则命中样本逾期率 / 总样本逾期率	> 1.0	规则的风险区分能力，值越大效果越好
f1	2*(精确率*召回率)/(精确率+召回率)	0-1	综合评估规则的精确率和召回率
actual_badrate	规则命中样本中的逾期比例	依业务场景而定	规则直接拦截的坏客户比例
actual_recall	规则命中的坏客户 / 总坏客户	0-1	规则对坏客户的覆盖能力
hit_rate_cv	命中率变异系数 = 标准差/均值	< 0.2	规则命中率的稳定性，值越小越稳定
max_correlation_value	与其他规则的最大相关系数	< 0.5	规则的独立性，值越小独立性越好

变量分析指标

指标	定义	最佳范围	意义
iv	信息值(Information Value)	> 0.1	变量的预测能力，值越大预测能力越强
ks	KS统计量	> 0.2	变量对好坏客户的区分能力，值越大区分能力越强
auc	曲线下面积	> 0.6	变量的整体预测能力，值越大预测能力越强
badrate	分箱中的坏客户比例	依业务场景而定	分箱的风险水平
cum_badrate	累积坏客户比例	依业务场景而定	累积分箱的风险水平

---

❓ 常见问题（FAQ）

Q1: 如何选择合适的规则挖掘算法？

A: 根据不同的业务场景选择算法：

• DT（决策树）：适合快速探索和初步分析，规则简单易懂
• RF（随机森林）：适合生产环境，规则稳定性好，多样性高
• CHI2（卡方决策树）：适合分类特征较多的场景
• XGB（XGBoost）：适合复杂场景，规则精度高
• ISF（孤立森林）：适合挖掘异常样本的规则

Q2: 如何配置特征趋势（feature_trends）？

A: 特征趋势用于避免不符合业务解释性的规则：

feature_trends={
    'ALI_FQZSCORE': -1,      # 负相关：分数越低，违约概率越高
    'BAIDU_FQZSCORE': -1,    # 负相关：分数越低，违约概率越高
    'NUMBER OF LOAN APPLICATIONS TO PBOC': 1  # 正相关：申请次数越多，违约概率越高
}

Q3: 如何计算损失率指标？

A: 需要在初始化时提供金额字段和逾期金额字段：

# 对于规则挖掘器
tree_miner = TreeRuleExtractor(
    df, 
    target_col='ISBAD',
    amount_col='AMOUNT',      # 金额字段名
    ovd_bal_col='OVD_BAL'      # 逾期金额字段名
)

# 对于多特征交叉规则挖掘器
multi_miner = MultiFeatureRuleMiner(
    df, 
    target_col='ISBAD',
    amount_col='AMOUNT',      # 金额字段名
    ovd_bal_col='OVD_BAL'      # 逾期金额字段名
)

Q4: 如何评估规则的实际效果？

A: 使用 analyze_rules 函数评估规则效度：

# 通过用户评级评估
result_by_rating = analyze_rules(
    hit_rule_df, 
    rule_col='RULE',
    user_id_col='USER_ID',
    user_level_badrate_col='USER_LEVEL_BADRATE',
    hit_date_col='HIT_DATE',
    include_stability=True
)

# 通过目标标签评估
result_by_target = analyze_rules(
    hit_rule_df, 
    rule_col='RULE',
    user_id_col='USER_ID',
    user_target_col='USER_TARGET',
    hit_date_col='HIT_DATE',
    include_stability=True
)

Q5: 如何识别冗余规则？

A: 使用规则相关性分析识别冗余规则：

# 规则相关性分析
correlation_matrix, max_correlation = analyze_rule_correlation(
    hit_rule_df, 
    rule_col='RULE', 
    user_id_col='USER_ID'
)

# 查看每条规则的最大相关性
for rule, corr in max_correlation.items():
    print(f"{rule}: {corr['max_correlation_value']:.4f}")

如果两条规则的相关性过高（> 0.8），则说明它们存在冗余，可以考虑删除其中一条。

Q6: 如何优化规则组合？

A: 使用策略增益计算评估不同规则组合的效果：

# 定义两个策略组
strategy1 = ['rule1', 'rule2']
strategy2 = ['rule1', 'rule2', 'rule3']

# 计算策略增益
gain = calculate_strategy_gain(
    hit_rule_df, 
    strategy1, 
    strategy2, 
    user_target_col='USER_TARGET'
)
print(f"策略增益: {gain:.4f}")

如果增益值较高，说明添加新规则能带来显著价值。

Q7: 如何在离线环境中使用？

A: 参考文档中的"离线使用方式"部分，主要有两种方式：

1. 离线安装rulelift及相关依赖：在有网络的环境中下载依赖包，然后传输到离线环境安装
2. 通过源码直接调用：下载源码包，手动安装依赖，然后在Python代码中添加源码路径并导入

Q8: 如何处理缺失值？

A: rulelift 会自动处理缺失值：

• 对于数值型特征：缺失值会被填充为0
• 对于类别型特征：缺失值会被填充为'missing'
• 用户也可以在传入数据前自行处理缺失值

Q9: 如何调整树模型的复杂度？

A: 通过以下参数控制树模型的复杂度：

• max_depth：决策树最大深度，值越大规则越复杂
• min_samples_split：分裂节点所需的最小样本数，值越大规则越保守
• min_samples_leaf：叶子节点的最小样本数，值越大叶子节点包含的样本越多
• n_estimators：树的数量，值越大模型越稳定但训练时间越长

Q10: 如何导出规则分析结果？

A: 支持多种导出方式：

# 导出为CSV
rules_df.to_csv('rules.csv', index=False, encoding='utf-8-sig')

# 导出为Excel
rules_df.to_excel('rules.xlsx', index=False)

# 生成交叉矩阵Excel文件
cross_matrices = multi_miner.generate_cross_matrices_excel(
    features_list=['ALI_FQZSCORE', 'BAIDU_FQZSCORE'], 
    output_path='cross_analysis.xlsx'
)

Q11: 如何可视化分析结果？

A: rulelift 提供了丰富的可视化功能：

# 特征重要性图
tree_miner.plot_feature_importance(save_path='feature_importance.png')

# 决策树结构图
tree_miner.plot_decision_tree(save_path='decision_tree.pdf')

# 规则评估图
tree_miner.plot_rule_evaluation(save_path='rule_evaluation.png')

# 交叉特征热力图
multi_miner.plot_cross_heatmap(feature1, feature2, metric='lift')

---

版本信息

当前版本：1.2.3

更新日志

v1.2.3 (2025-01-10)

• 新增特征趋势判断功能：TreeRuleExtractor 支持 feature_trends 参数，提升规则的业务解释性
• 优化孤立森林规则提取：基于树结构提取规则，支持多特征组合
• 优化SingleFeatureRuleMiner：过滤极端值阈值，避免无意义规则
• 优化MultiFeatureRuleMiner：添加最小样本数和lift值过滤，添加交叉矩阵Excel生成功能
• 优化规则DataFrame输出：支持按lift倒序排序
• 修复已知问题：解决所有已知bug和性能问题

v1.1.5 (2025-12-23)

• 新增变量分析模块，支持IV、KS、AUC等指标计算
• 实现单变量等频分箱分析功能
• 新增策略自动挖掘功能
• 优化决策树规则显示，加入 lift 值和拦截用户数等指标
• 新增两两策略增益计算功能
• 优化代码质量，修复所有已知问题

v1.0.0 (2025-12-17)

• 新增命中率变异系数（hit_rate_cv）用于监控规则稳定性
• 新增 F1 分数计算，综合评估规则效果
• 优化规则相关性分析，新增最大相关性指标
• 改进命中率计算逻辑
• 完善文档，新增技术原理和缺陷分析

---

许可证

MIT License

---

项目地址

• GitHub: https://github.com/aialgorithm/rulelift
• PyPI: https://pypi.org/project/rulelift/

---

联系方式

微信&github: aialgorithm 邮箱: [e-mail]

---

贡献指南

欢迎提交 Issue 和 Pull Request！如果您有任何建议或问题，请通过 GitHub Issues 反馈。

---

开始使用 rulelift 优化您的风控规则系统吧！ 🚀