westat 基于python的风控评分卡模型开发

westat 是一个pyminer开源项目的衍生产品，也可以作为一个独立的开源项目，核心功能是风控评分卡模型开发，功能与Scorecardpy和toad类型，可以实现数据描述统计、基本分箱、决策树分箱、WOE、IV计算，评分卡快速开发、，KS、ROC-AUC计算、模型排序性评估，LIFT计算，模型稳定性评估，PSI计算，模型应用分析，决策树画图等功能。

更多功能演示，可以查看github对应的examples目录——从这里开始.ipynb。

westat/从这里开始.ipynb at main · stat-fit/westat (github.com)

westat 已经上传到pypi官网和github，源码地址：stat-fit/westat: a python package for stat,caculate woe,iv, ks,auc,roc,psi and plot. (github.com)。

PyPi地址：westat · PyPI

二、功能模块

自带UCI数据集

westat自带了数据集uci_credit_card.csv数据集，方便快速上手进行学习和功能验证。

数据探索

数据分布

数据分区

特征分箱

先大致分箱并检查变量的badRate趋势

使用默认的决策树方法进行分箱

按照指定的切分点分箱

查看WoE 和 IV

按照默认的决策树方法，计算WoE 和 IV，并查看WoE的分布

计算WOE 并绘图

计算 IV 并绘图

计算 IV 绘图，并返回数据

WOE 转换

批量计算全部特征的IV

通过最小IV >= 0.02 和最大相关性

逐步回归筛选特征

查看特征相关性图

评分卡开发

使用scorecard.to_csv('scorecard.csv') ，最终生成的评分卡如下

最终生成的评分卡 scorecard.xlsx检查模型共线性

通过方差膨胀系数 VIF可以检查模型的共线性，一般认为VIF取值大于7，则表示模型存在较为严重的共线性问题

预测模型分数

计算AUC 和 KS

AUC 计算

KS 计算

KS计算并返回数据

查看评分卡分数分布 和 提升度

绘制提升度图

模型稳定型 PSI计算

批量计算所有特征的PSI

模型应用分析-决策树分析

导出决策树图片

通过以下命令，可以导出决策树为图片文件 test.svg