ShichenXie/scorecardpy

解決的問題

透過自動化信用評分相關的重複性與複雜任務（例如變數選擇與資料分箱），簡化傳統信用風險評分卡模型的開發流程。

工作原理

此套件提供一整套工具，處理評分卡的端對端流程：根據遺失率與資訊值（IV）過濾變數，執行權重證據（WoE）分箱以轉換連續或分類資料，將結果模型縮放為信用評分，並使用 AUC 與 PSI 等指標評估效能。

適用對象

需要使用邏輯回歸建構傳統信用評分模型的金融服務業資料科學家與風險分析師。

主要特色

• 自動分箱：包含 woebin 用於權重證據（WoE）分箱，以及 woebin_adj 用於手動調整分箱邊界。
• 變數選擇：提供 var_filter 與 iv 等工具，用於識別最具預測力的特徵。
• 效能評估：內建函數支援效能評估（perf_eva）與人數穩定性指數（perf_psi）。
• 優化執行：使用預編譯正規表示式與 sklearn.metrics.roc_auc_score 實現更快的處理速度。