Skip to content

Yihuier专业的信用评分卡建模 Python 工具包

从数据探索到模型部署的全流程支持

快速体验 ​

python
from yihuier import Yihuier

# 初始化
yh = Yihuier(data, target='dlq_flag')

# 数据预处理
yh.data = yh.dp_module.delete_missing_var(threshold=0.2)

# 变量分箱
bin_df, iv_value = yh.binning_module.binning_num(
    col_list=['v1', 'v2', 'v3'],
    max_bin=5,
    method='ChiMerge'
)

# WOE 转换
data_woe = yh.binning_module.woe_transform()

# 变量选择
xg_imp, _, xg_cols = yh.var_select_module.select_xgboost(
    col_list=data_woe.drop(['dlq_flag'], axis=1).columns.tolist(),
    imp_num=10
)

核心功能 ​

数据预处理 ​

  • 缺失值处理(数值型/类别型)
  • 常变量删除
  • 异常值处理

变量分箱 ​

  • ChiMerge 卡方分箱
  • 等频/等距分箱
  • 单调性分箱
  • WOE 编码和 IV 计算

变量选择 ​

  • XGBoost/随机森林特征重要性
  • 相关性分析
  • IV 筛选

模型评估 ​

  • ROC/KS 曲线
  • 交叉验证
  • 学习曲线
  • 混淆矩阵

评分卡实现 ​

  • 刻度参数计算
  • 分数转换
  • Cutoff 验证

模型监控 ​

  • PSI 分析
  • 稳定性监控
  • 偏移检测

为什么选择 Yihuier? ​

与其他工具对比

特性YihuierScorecardpyToad
分箱方法4种2种3种
WOE 转换✅✅✅
变量选择3种策略1种2种
模型评估完整基础完整
评分卡实现完整部分部分
模型监控✅❌❌
Python 版本3.13+3.6+3.6+
类型提示完整无无
中文文档✅❌部分

学习路径 ​

初学者 ​

  1. 阅读 项目简介
  2. 跟随 快速开始
  3. 学习 核心概念
  4. 查阅 模块文档

进阶用户 ​

  1. 深入学习 架构设计
  2. 研究 最佳实践
  3. 探索 高级示例

贡献者 ​

  1. 阅读 贡献指南
  2. 查看 开发文档
  3. 参与 GitHub 讨论

许可证 ​

本项目采用 MIT 许可证发布。

致谢 ​

感谢开源社区的所有贡献者!

相关 ​

GitHub: encyc/yihuier

PyPI: yihuier

基于 MIT 许可证发布