yihuier 0.1.13

Package for Logistic Regression Modeling, focus on Credit Risk Management

Yihuier 一会儿

只需要一会儿 轻松解决逻辑回归建模

Forked https://github.com/taenggu0309/Scorecard--Function

项目知乎贴 https://zhuanlan.zhihu.com/p/675830391?

Encyc 修改补充重构

评分卡模型实现函数模块

函数目录：

1. eda.py

1. 变量的分布（可视化）

• plot_cate_var -- 类别型变量分布
• plot_num_col -- 数值型变量分布

2. 变量的违约率分析（可视化）：

• plot_default_cate -- 类别型变量的违约率分析
• plot_default_num -- 数值型变量的违约率分析

3. 自动EDA

• 使用ydata_profiling自动分析数据集
• 快速自动分析数据集（无图）

2. data_processing.py

1. 缺失值处理

• plot_bar_missing_var -- 所有变量缺失值分布图
• plot_bar_missing_obs -- 单个样本缺失值分布图
• missing_delete_var -- 缺失值剔除（针对单个变量）
• missing_delete_obs -- 缺失值剔除（针对单个样本）
• fillna_cate_var -- 缺失值填充（类别型变量）
• fillna_num_var -- 缺失值填充（数值型变量）
• date_var_shift_binary -- 日期变量转换为二进制变量（日期型变量）

2. 常变量/同值化处理

• const_delete -- 常变量/同值化处理

3. cluster.py

• cluster_AffinityPropagation --#亲和力传播
• cluster_AgglomerativeClustering --#聚合
• cluster_Birch --#BIRCH
• cluster_DBSCAN --#DBSCAN
• cluster_KMeans --#K-Means
• cluster_MiniBatchKMeans --#Mini-Batch K-Means
• cluster_MeanShift --#均值漂移
• cluster_OPTICS --#OPTICS
• cluster_SpectralClustering --#光谱聚合
• cluster_GaussianMixture --#高斯模糊

4.binning_funciton

• iv_count -- 计算IV
• get_var_median -- 关于连续变量的所有元素的中位列表
• calculate_gini -- 计算基尼指数
• get_cart_split_point -- 获得最优的二值划分点（即基尼指数下降最大的点）
• get_cart_bincut --计算最优分箱切分点
• calculate_chi --计算卡方值
• get_chimerge_bincut --计算卡方分箱的最优分箱点
• get_maxks_split_point --计算KS值
• get_bestks_bincut --计算最优分箱切分点
• bin_frequency --等频分箱
• bin_distance --等距分箱
• bin_self --自定义分箱

5.binning.py

1. 分箱

• binning_cate -- 类别型变量的分箱
• iv_cate -- 类别型变量的IV明细表
• binning_num -- 数值型变量的分箱（使用卡方分箱）
• iv_num -- 数值型变量的IV明细表
• binning_self -- 自定义分箱
• plot_woe -- 变量woe的可视化
• woe_monoton -- 检验变量的woe是否呈单调变化
• woe_large -- 检验变量某个箱的woe是否过大(大于1),PS:箱体的woe在（-1,1）较合理

2. 编码

• woe_df_concat -- 变量woe结果明细表
• woe_transform -- 变量woe转换

6.var_select.py

• select_xgboost -- xgboost筛选变量
• select_rf -- 随机森林筛选变量
• plot_corr -- 变量相关性可视化
• corr_mapping -- 变量强相关性映射
• forward_delete_corr -- 逐个剔除相关性高的变量
• forward_delete_corr_ivfirst -- 逐个剔除相关性高的变量（考虑IV大小）
• forward_delete_corr_impfirst -- 逐个剔除相关性高的变量（考虑xgb或者rf）
• forward_delete_pvalue -- 显著性筛选（向前选择法）
• forward_delete_coef -- 逻辑回归系数符号筛选（每个变量的系数符号需要一致）
• depth_first_search -- 暴力搜索特定组合的col_list的ks，并组建叠加变量数量

7.model_evaluation.py

• plot_roc -- 绘制ROC曲线
• plot_model_ks -- 绘制模型的KS曲线
• plot_learning_curve -- 绘制学习曲线
• cross_verify -- 交叉验证
• plot_matrix_report -- 混淆矩阵/分类结果报告

8.model_implement.py

• cal_scale -- 评分卡刻度
• score_df_concat -- 变量score的明细表
• score_transform -- 变量score转换
• plot_score_ks -- 绘制评分卡的KS曲线
• plot_PR -- PR曲线
• plot_score_hist -- 好坏用户得分分布图
• score_info -- 得分明细表
• plot_lifting -- 绘制提升图和洛伦兹曲线
• rule_verify -- 设定cutoff点，计算衡量指标

9.model_monitor.py

• score_psi -- 计算评分的PSI
• plot_score_compare -- 评分对比图
• var_stable -- 变量稳定性分析
• plot_var_shift -- 变量偏移分析

10.pipline.py

• product_test -- 测试第三方数据厂商的风控产品
• best_model -- 根据数据集自动生成最佳逻辑回归模型