ShichenXie/scorecardpy

何を解決するか

信用スコアリングに関連する繰り返しで複雑なタスク、たとえば変数選択やデータのビニングを自動化することで、従来型の信用リスクスコアカードモデルの開発を簡素化します。

仕組み

このライブラリは、スコアカードパイプラインのエンドツーエンド処理を扱うツールセットを提供します。欠損率と情報価値（IV）に基づいて変数をフィルタリングし、連続値またはカテゴリカルデータを変換するための重み付き証拠（WoE）ビニングを実行し、得られたモデルを信用スコアにスケーリングし、AUCやPSIなどの指標を使ってパフォーマンスを評価します。

対象ユーザー

ロジスティック回帰を使用して従来型の信用スコアリングモデルを構築する必要がある金融サービス分野のデータサイエンティストおよびリスクアナリスト。

主な特徴

• 自動ビニング: woebin で重み付き証拠（WoE）ビニングを実行し、woebin_adj でブレークポイントを手動で調整可能。
• 変数選択: var_filter や iv などのツールで、最も予測力のある特徴を特定。
• パフォーマンス評価: perf_eva と perf_psi でパフォーマンス評価と人口安定性指数（PSI）を内蔵関数で実行。
• 最適化された実行: 事前にコンパイルされた正規表現と sklearn.metrics.roc_auc_score を使用して処理を高速化。