Skip to content
Projects

taenggu0309/Scorecard--Function

View on GitHub

taenggu0309/Scorecard--Function has 201 GitHub stars and 117 forks. GitHot measured 0 stars in 24 hours. Last checked 2026-11-17 19:29 UTC. Last push 2019-02-17.

How these counts are measured

Measured star growth

in 24h
0
in 7 days
Collecting history
in 15 days
Collecting history
in 1 month
Collecting history

Net star changes over overlapping periods, not daily totals. Missing measurements are left blank. Stars measure attention, not software quality.

About

建立一个评分卡模型的代码包

Developer Tools

README.md

Original

评分卡模型实现函数模块

author: yuxinxin
modify_date: 2018-11-27

使用方法:将 score_card.py 放在与notebook文件同个目录下,在notebook文件里输入:import score_card as sc 即可调用里面的函数

函数目录:

一. EDA分析.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
  1. 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

二. 数据预处理.py

  1. 缺失值处理
  • missing_cal -- 计算每个变量的缺失率
  • plot_missing_var -- 所有变量缺失值分布图
  • plot_missing_user -- 单个样本的缺失分析
  • missing_delete_var -- 缺失值剔除(针对单个变量)
  • missing_delete_user -- 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)
  1. 常变量/同值化处理
  • const_delete -- 常变量/同值化处理
  1. 降基处理
  • descending_cate -- 类别型变量的降基处理

三.变量分箱.py

  • 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

四.变量筛选.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_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)

五.变量woe离散化.py

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

六.模型评估.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

七.评分卡实现和评估.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

八.评分卡监控.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