autobmt 0.2.0

Description:

autobmt 0.2.0

##自动构建评分卡
## 思想碰撞


微信 | 微信公众号 |

:—: | :—-: |
<img src=”https://github.com/ZhengRyan/autotreemodel/blob/master/images/%E5%B9%B2%E9%A5%AD%E4%BA%BA.png” alt=”RyanZheng.png” width=”50%” border=0/> | <img src=”https://github.com/ZhengRyan/autotreemodel/blob/master/images/%E9%AD%94%E9%83%BD%E6%95%B0%E6%8D%AE%E5%B9%B2%E9%A5%AD%E4%BA%BA.png” alt=”魔都数据干饭人.png” width=”50%” border=0/> |

干饭人 | 魔都数据干饭人 |


> 仓库地址：https://github.com/ZhengRyan/autobmt
>
> 微信公众号文章：https://mp.weixin.qq.com/s/30-V0p30p1rKSBtcBgLTRA
>
> pipy包：https://pypi.org/project/autobmt/
>
> 实验数据：链接: https://pan.baidu.com/s/1BRIHH9Wcwy2EZaO5xSgH9w?pwd=tdq5 提取码: tdq5
## 一、环境准备
可以不用单独创建虚拟环境，都是日常常用的python依赖包。需要创建虚拟环境，请参考”五、依赖包安装”
### autobmt 安装
pip install（pip安装）
`bash pip install autobmt # to install pip install -U autobmt # to upgrade `
Source code install（源码安装）
`bash python setup.py install `
## 二、使用教程
1、1行代码自动构建评分卡：请查看autobmt/examples/autobmt_lr_tutorial_code.py。里面有例子
2、1步1步拆解自动构建评分卡的步骤：请查看autobmt/examples/tutorial_code.ipynb。里面有详细步骤拆解例子
## 三、训练、自动选变量、自动单调最优分箱、自动构建模型、自动构建评分卡
1、Step 1: EDA，整体数据探索性数据分析
2、Step 2: 特征粗筛选
3、Step 3: 对粗筛选后的变量调用最优分箱
4、Step 4: 对最优分箱后的变量进行woe转换
5、Step 5: 对woe转换后的变量进行stepwise
6、Step 6: 用逻辑回归构建模型
7、Step 7: 构建评分卡
8、Step 8: 持久化模型，分箱点，woe值，评分卡结构
9、Step 9: 持久化建模中间结果到excel，方便复盘
## 四、保存的建模结果相关文件说明
1、all_data_eda.xlsx：整体数据的EDA情况
2、build_model_log_var_jpg文件夹，最终入模变量的分箱画图，在”build_model_log.xlsx”最后1个sheet也有记录
3、build_model_log.xlsx：构建整个模型的过程日志，记录有利复盘
4、fb.pkl、woetf.pkl、lrmodel.pkl、in_model_var.pkl：fb.pkl分箱文件，woetf.pkl转woe文件，lrmodel.pkl模型文件，入模变量文件
5、scorecard.pkl、scorecard.csv、scorecard.json：评分卡的pkl、csv、json格式。在”build_model_log.xlsx”的”scorecard_structure”sheet也有记录
6、var_bin_woe_format.csv、var_bin_woe_format.json、var_bin_woe.csv、var_bin_woe.json、var_split_point_format.csv、var_split_point_format.json、var_split_point.csv、var_split_point.json：分箱文件和转woe文件的csv、json格式
7、lr_auc_ks_psi.csv：模型的auc、ks、psi
8、lr_pred_to_report_data.csv：构建建模报告的数据
9、lr_test_input.csv：用于模型上线后，将次数据喂入模型，对比和lr_pred_to_report_data.csv结果是否一致。验证模型上线的正确性
## 五、依赖包安装（建议先创建虚拟环境，不创建虚拟环境也行，创建虚拟环境是为了不和其它项目有依赖包的冲突，不创建虚拟环境的话在基础python环境执行pip install即可）
####创建虚拟环境
conda create -y –force -n autobmt python=3.7.2
####激活虚拟环境
conda activate autobmt
### 依赖包安装方式一，执行如下命令安装依赖的包
pip install -r requirements.txt -i https://mirrors.aliyun.com/pypi/simple/