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
- 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
- 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
- 自动EDA
- auto_eda_profiling -- 使用ydata_profiling自动分析数据集（有图，慢）
- auto_eda_simple -- 快速自动分析数据集（无图）
- 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）
- 常变量/同值化处理
- const_delete -- 常变量/同值化处理
- 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
- 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
- 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
- 编码
- woe_df_concat -- 变量woe结果明细表
- woe_transform -- 变量woe转换
- 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
- 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
- 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
- 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
- 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