ShichenXie/scorecardpy

解决的问题

通过自动化信用评分相关的重复性和复杂任务（如变量选择和数据分箱），简化传统信用风险评分卡模型的开发过程。

工作原理

该库提供了一套工具，用于处理评分卡的端到端流程：基于缺失率和信息值（IV）过滤变量，执行权重证据（WoE）分箱以转换连续或分类数据，将结果模型缩放为信用评分，并使用AUC和PSI等指标评估性能。

适用人群

需要使用逻辑回归构建传统信用评分模型的金融服务业数据科学家和风险分析师。

主要亮点

• 自动分箱：包含 woebin 用于权重证据（WoE）分箱，以及 woebin_adj 用于手动调整分箱边界。
• 变量选择：提供 var_filter 和 iv 等工具，用于识别最具预测力的特征。
• 性能评估：内置函数支持性能评估（perf_eva）和人群稳定性指数（perf_psi）。
• 优化执行：使用预编译正则表达式和 sklearn.metrics.roc_auc_score 实现更快的处理速度。