author: yuxinxin
modify_date: 2018-11-27
使用方法：将 score_card.py 放在与notebook文件同个目录下，在notebook文件里输入:import score_card as sc 即可调用里面的函数
- 变量的分布（可视化）
- plot_cate_var -- 类别型变量分布
- plot_num_col -- 数值型变量分布
- 变量的违约率分析（可视化）：
- plot_default_cate -- 类别型变量的违约率分析
- plot_default_num -- 数值型变量的违约率分析
- 缺失值处理
- missing_cal -- 计算每个变量的缺失率
- plot_missing_var -- 所有变量缺失值分布图
- plot_missing_user -- 单个样本的缺失分析
- missing_delete_var -- 缺失值剔除（针对单个变量）
- missing_delete_user -- 缺失值剔除（针对单个样本）
- fillna_cate_var -- 缺失值填充（类别型变量）
- fillna_num_var -- 缺失值填充（数值型变量）
- 常变量/同值化处理
- const_delete -- 常变量/同值化处理
- 降基处理
- descending_cate -- 类别型变量的降基处理
- binning_cate -- 类别型变量的分箱
- iv_cate -- 类别型变量的IV明细表
- binning_num -- 数值型变量的分箱（使用卡方分箱）
- iv_num -- 数值型变量的IV明细表
- binning_self -- 自定义分箱
- plot_woe -- 变量woe的可视化
- woe_monoton -- 检验变量的woe是否呈单调变化
- woe_large -- 检验变量某个箱的woe是否过大(大于1),PS:箱体的woe在（-1,1）较合理
- select_xgboost -- xgboost筛选变量
- select_rf -- 随机森林筛选变量
- plot_corr -- 变量相关性可视化
- corr_mapping -- 变量强相关性映射
- forward_delete_corr -- 逐个剔除相关性高的变量
- forward_delete_pvalue -- 显著性筛选（向前选择法）
- forward_delete_coef -- 逻辑回归系数符号筛选（每个变量的系数符号需要一致）
- woe_df_concat -- 变量woe结果明细表
- woe_transform -- 变量woe转换
- plot_roc -- 绘制ROC曲线
- plot_model_ks -- 绘制模型的KS曲线
- plot_learning_curve -- 绘制学习曲线
- cross_verify -- 交叉验证
- plot_matrix_report -- 混淆矩阵/分类结果报告
- cal_scale -- 评分卡刻度
- score_df_concat -- 变量score的明细表
- score_transform -- 变量score转换
- plot_score_ks -- 绘制评分卡的KS曲线
- plot_PR -- PR曲线
- plot_score_hist -- 好坏用户得分分布图
- score_info -- 得分明细表
- plot_lifting -- 绘制提升图和洛伦兹曲线
- rule_verify -- 设定cutoff点，计算衡量指标
- score_psi -- 计算评分的PSI
- plot_score_compare -- 评分对比图
- var_stable -- 变量稳定性分析
- plot_var_shift -- 变量偏移分析