?　Python中信貸評分卡中常用的兩個庫有scorecardpy和Toad。其中scorecardpy是由謝士晨博士開發(fā)，Toad是由厚本金融風(fēng)控團隊內(nèi)部孵化產(chǎn)生的標準評分卡庫。關(guān)于Toad的使用，之前已經(jīng)寫過學(xué)習(xí)教程，Toad庫使用教程，今天學(xué)習(xí)一下scorecardpy庫的使用。github鏈接見：
scorecardpy

?　該軟件包是R軟件包評分卡的python版本。它的目標是通過提供一些常見任務(wù)的功能，使傳統(tǒng)信用風(fēng)險計分卡模型的開發(fā)更加輕松有效。該包的功能及對應(yīng)的函數(shù)如下：

• 數(shù)據(jù)劃分(split_df)
• 變量選擇(iv, var_filter)
• 變量分箱(woebin, woebin_plot, woebin_adj, woebin_ply)
• 評分轉(zhuǎn)換(scorecard, scorecard_ply)
• 模型評估(perf_eva, perf_psi)

?　首先，導(dǎo)入germancredit數(shù)據(jù)。

import scorecardpy as sc
dat = sc.germancredit()

dt_s = sc.var_filter(dat, y="creditability")

?　這個函數(shù)可以根據(jù)指定的條件篩選變量，例如IV值、缺失率、一致性等，函數(shù)的參數(shù)如下:

def var_filter(dt, y, x=None, iv_limit=0.02, missing_limit=0.95, identical_limit=0.95, var_rm=None, var_kp=None, return_rm_reason=False, positive='bad|1')

var_rm：強制刪除變量的名稱
var_kp：強制保留變量的名稱
return_rm_reason：是否返回每個變量被刪除的原因
positive:壞樣本的標簽

數(shù)據(jù)劃分

train, test = sc.split_df(dt_s, 'creditability').values()

def split_df(dt, y=None, ratio=0.7, seed=186)

?　該函數(shù)的ratio默認為0.7，即按照7:3對數(shù)據(jù)集進行分割。ratio可以隨意進行設(shè)置，比如[0.5,0.2]

變量分箱

bins = sc.woebin(dt_s, y="creditability")

def woebin(dt, y, x=None, var_skip=None, breaks_list=None, special_values=None, stop_limit=0.1, count_distr_limit=0.05, bin_num_limit=8, # min_perc_fine_bin=0.02, min_perc_coarse_bin=0.05, max_num_bin=8, positive="bad|1", no_cores=None, print_step=0, method="tree",ignore_const_cols=True, ignore_datetime_cols=True, check_cate_num=True, replace_blank=True, save_breaks_list=None, **kwargs):

?　返回的是每個變量的分箱結(jié)果組成的字典。

?　woebin支持決策樹分箱、卡方分箱、自定義分箱，默認的WOE值計算是用壞樣本率/好樣本率，這個可以通過參數(shù)postive進行調(diào)整。如果某一箱只有好樣本或者壞樣本，會對缺失的類別賦予0.99進行調(diào)整，方便計算woe值。重要參數(shù)含義如下：

var_skip:指定不需要分箱的變量。
breaks_list:分割點的List。對分箱進行調(diào)整的時候用。可以進行自定義分箱
special_values:指定單獨的箱。
count_distr_limit:分箱結(jié)果中最小占比。默認0.05
stop_limit:當(dāng)IV值的增加值小于stop_limit或者卡方值小于qchisq(1-stoplimit, 1)時停止分割。
bin_num_limit:最大分箱數(shù)。
method:分箱方法，可以有"tree" or “chimerge”。
ignore_const_cols:是否忽略常數(shù)列。
check_cate_num:檢查分類變量中類別數(shù)是否大于50。
replace_blank:將空值替換為None。

?　sc.woebin_plot()可以畫出變量分箱之后的Bi_variate圖，這里的壞樣本率圖展示了每一箱的好壞樣本數(shù)、樣本占比、壞樣本率，比較清晰明了。

sc.woebin_plot(bins)

分箱調(diào)整

breaks_adj = sc.woebin_adj(dt_s, "creditability", bins) 

def woebin_adj(dt, y, bins, adj_all_var=False, special_values=None, method="tree", save_breaks_list=None, count_distr_limit=0.05)

重要參數(shù)的含義：

adj_all_var:是否顯示woe變量的單調(diào)性。

?　其它參數(shù)和woebin()函數(shù)一樣，這里沒有深入研讀調(diào)整分箱的代碼，而且運行過程中有報錯。猜測調(diào)整的方向是壞樣本率單調(diào)。
?　此外也可以手動進行分箱調(diào)整：

breaks_adj = {'age.in.years': [26, 35, 40],'other.debtors.or.guarantors': ["none", "co-applicant%,%guarantor"]
}
bins_adj = sc.woebin(dt_s, y="creditability", breaks_list=breaks_adj)

woe轉(zhuǎn)換

?　分箱之后需要對變量的原始值進行轉(zhuǎn)換，將變量值轉(zhuǎn)化成woe值，后續(xù)使用變量的WOE值入模進行訓(xùn)練。

train_woe = sc.woebin_ply(train, bins_adj)
test_woe = sc.woebin_ply(test, bins_adj)

模型建立

y_train = train_woe.loc[:,'creditability']
X_train = train_woe.loc[:,train_woe.columns != 'creditability']
y_test = test_woe.loc[:,'creditability']
X_test = test_woe.loc[:,train_woe.columns != 'creditability']# logistic regression ------
from sklearn.linear_model import LogisticRegression
lr = LogisticRegression(penalty='l1', C=0.9, solver='saga', n_jobs=-1)
lr.fit(X_train, y_train)
# lr.coef_
# lr.intercept_# predicted proability
train_pred = lr.predict_proba(X_train)[:,1]
test_pred = lr.predict_proba(X_test)[:,1]

模型評估

train_perf = sc.perf_eva(y_train, train_pred, title = "train")
test_perf = sc.perf_eva(y_test, test_pred, title = "test")

def perf_eva(label, pred, title=None, groupnum=None, plot_type=["ks", "roc"], show_plot=True, positive="bad|1", seed=186)

?　perf_eva()函數(shù)可以從KS、AUC、Lift曲線、PR曲線評估模型的效果。可以通過plot_type參數(shù)控制評估方法，可以選"ks", “l(fā)ift”, “roc”, “pr”。s

評分映射

?　模型評估之后，需要對概率進行映射，轉(zhuǎn)換成評分卡得分。得分包括每個客戶的最終得分和單個變量的得分。

card = sc.scorecard(bins_adj, lr, X_train.columns)

?　scorecard()返回一個字典，對應(yīng)的是基礎(chǔ)分和每個變量的得分。

def scorecard(bins, model, xcolumns, points0=600, odds0=1/19, pdo=50, basepoints_eq0=False)

?　scorecard()函數(shù)的參數(shù)含義如下：

bins:分箱信息。woebin()返回的結(jié)果。
model:模型對象。
points0:基礎(chǔ)分，默認為600。
odds:好壞比，默認為1:19
pdo:比率翻番的倍數(shù)，默認為50。
basepoints_eq0:如果為True,則將基礎(chǔ)分分散到每個變量中。

評分穩(wěn)定性評估–PSI

sc.perf_psi(score = {'train':train_score, 'test':test_score},label = {'train':y_train, 'test':y_test}
)

總結(jié):對于想學(xué)習(xí)建模的新手來說，一套有效的腳本能夠幫助快速建立一張評分卡。本人在自學(xué)的過程中看了幾乎網(wǎng)上所有能找到的評分卡腳本，比較實用的還是之前github上的半自動建模包，自己也嘗試寫了一個評分卡腳本，終于算是入門完成。scorecardpy庫雖然封裝得很好，但是一旦運行過程中出現(xiàn)問題，調(diào)試起來仍然是件很麻煩的事情。對比起來，本人覺得半自動化建模的包更具有實用性，將鏈接附在下方，感興趣者可以學(xué)習(xí)。
建立一個評分卡模型的代碼包

【作者】：Labryant
【原創(chuàng)公眾號】：風(fēng)控獵人
【簡介】：某創(chuàng)業(yè)公司策略分析師，積極上進，努力提升。乾坤未定，你我都是黑馬。
【轉(zhuǎn)載說明】：轉(zhuǎn)載請說明出處，謝謝合作！~

總結(jié)

以上是生活随笔為你收集整理的scorecardpy库的使用简介的全部內(nèi)容，希望文章能夠幫你解決所遇到的問題。

如果覺得生活随笔網(wǎng)站內(nèi)容還不錯，歡迎將生活随笔推薦給好友。