【例子】评分卡-bbbrisk-使用总结

学习了这么久的bbbrisk评分卡，内容比较繁杂，这里我们进一步对之前接触过的内容进行梳理，来作为最后的总结，这样使用起来思路就会更加清晰一些，也方便查漏补缺。

一、评分卡-实践-总结

下面我们来简单总结一下bbbrisk的使用，以此梳理出更清晰的使用思路。

首先，我们以分箱逻辑为核心，把评分卡的建卡工作一分为二：

如图，一边是怎么对变量分箱，另一方面是分好箱之后，如何获得相关结果。

下面我们就围绕这两方面，来整理和总结一下bbbrisk在这两方面是如何应用、如何实现的。

二、如何获得变量的分箱

2.1. 单个变量的分箱

对于单个变量的分箱，可以直接设置分箱逻辑，也可以通过自动分箱来获得分箱逻辑。

单变量，如果是连续变量，可以用bins.merge.eSample、bins.merge.eDist、...、bins.merge.tree等函数。
单变量，如果是枚举变量，可以用bins.merge.chi2Enum、...、bins.merge.allEnum等函数。

设置好分箱逻辑后，就可以通过bins.batch.bin_stats来打印分箱的badrate效果了：

import bbbrisk as br
from  bbbrisk import bins														       
    
data = br.datasets.load_bloan()                                                    # 加载数据
x,y= data['rev'], data['is_bad']                                                   # x和y
bin_set = [['-',0],[0,0.1],[0.1,0.37],[0.37,0.64],[0.64,1.2],[1.2,2],[2,'+']]      # 手动设置分箱
bin_set = bins.merge.chi2(x,y)                                                     # 或者使用自动分箱
bin_stat = bins.Bins(bin_set).binStat(x,y)                                         # 统计分箱结果
br.display.pd.set(width=300,max_colwidth=30,max_rows=30)                           # 美化pandas的显示方式
print(bin_stat)                                                                    # 显示分箱结果

运行结果：

根据badrate或iv值，来决定如何调整分箱，并判断变量的有效性。

2.2. 整体变量的分箱

通过对单个变量的分析，我们就可以得到所有变量的分箱逻辑，然后把它们合并在一起，事实上，也可以直接用bins.batch.autoBins来一次性通过自动分箱来获得所有变量的分箱结果，如下：

# 手动合并所有变量的分箱
bin_sets = {
    'rev'     :[[0,0.1],(['-',0],[0.1,0.37]),[0.37,0.64],([0.64,1.2],[2,'+']),[1.2,2],]
    ,'age'    :[[80,'+'],[60,80],[45,60],['-',45]]
    ,'city'   :[('J','E','I'),'_other',('D','N','S'),('F','P')]
    ,'income' :[[1000,5000],[5000,9000],(['-',1000],[20000,'+'],None),[9000,16000],[16000,20000]]
    ,'marital':[1,0,2]
    ,'debrate':[([0,0.1],[850,'+']),([0.1,0.5],[5,850]),([0.5,0.8],0),[0.8,5]]
    ,'due30'  :[0,1,2,(3,4),[4,'+']]
    ,'due60'  :[0,1,2,[2,'+']]
    ,'due90'  :[0,1,[1,'+']]
    ,'loan_num':[[3,'+'],(2,3),1,0]
    }
# 也可以直接自动分箱
bin_sets  = br.bins.batch.autoBins(x, y,enum_var=['city','marital'])          

如此一来，变量的分箱就告一段落了，下面就是如何用变量的分箱，来获得各种结果。

三、获得各种结果

3.1. 获得评分卡结果

要想获得评分卡，只需要调用model.scoreCard函数就可以了。

model,card = br.model.scoreCard(x,y,bin_sets,train_param={'random_state':0})   # 构建评分卡

然后返回的card 就存放了评分卡，model则是逻辑回归模型。

1. 获取评分卡

card.baseScore是基础分，card.featureScore是特征得分，合并它们就是评分卡表了。

2. 获取评分的其它参数

card.d、B、k、S 是模型转评分时的所用的四个参数。
card.factor、card.offset是模型转评分时的缩放因子和偏移量。

3. 获取模型系数

model.w、model.b以woe为输入时的模型系数。
model.w_norm、model.w_norm是以归一化woe为输入时的模型系数。

4. 查看模型的效果

model.train_auc、train_ks、test_auc、test_ks里就存放了模型的训练、测试AUC、KS。

5. 获得样本的评分

如果想获得所有样本的评分，那么只需要将x放到评分卡中预测评分就行了。但需要注意的是，建模时过滤掉了一些变量，所以也要将x的变量进行过滤，整体代码就为：

score = card.predict(x[card.var])

6. 获得评分卡报告(分数分布与阈值表)

接下来，确定了建模效果后，就是打印相关的报告内容了，主要就两样东西：分数分布图与阈值表。

上面已经计算出所有样本的分数，将它放到report.draw_score_disb和report.get_threshold_tb里就可以得到分数分布图了和阈值表了，如下：

report.draw_score_disb(score,y,bin_step=10,figsize=(12, 4))
tb = report.get_threshold_tb(score,y,bin_step=10)

3.2. 获得变量的分箱效果

将数据x,y按整体变量的分箱逻辑bin_sets进行统计就可以了，代码如下：

bin_stats = br.bins.batch.bin_stats(x,y,bin_sets)           # 统计各个变量的分箱情况
for var in bin_stats:                                       # 逐个变量打印分箱结果
    print('\n变量'+var+'的分箱结果:\n',bin_stats[var])      # 打印当前变量的分箱统计结果

实际使用时一般不用for来打印，而是将bin_stats的内容复制到Excel进行美化和整理，得到最终的报告结果。

3.3. 获得分组或woe数据

一般在bbbrisk中构建评分卡并不需要使用这功能，但如果有同学纯粹只想用bbbrisk来分箱、并得到分箱后的分组数据，那就可以如下处理：

import  bbbrisk  as br

# 加载数据                                                                     
data     = br.datasets.load_bloan()                                  # 加载数据
x,y      = data.iloc[:,:-1],data['is_bad']                           # 变量与标签数据
bin_sets = br.bins.batch.autoBins(x, y,enum_var=['city','marital'])  # 自动分箱
x_grp,_  = br.encode.grp.to_grp(x,bin_sets)                          # 将数据转换为分组数据
woe_dict = br.encode.woe.get_woe_dict(x_grp,y)                       # 获得分组数据的woe映射表
woe_data = br.encode.woe.to_woe(x_grp,woe_dict)                      # 按woe映射表将分组数据转换为woe数据

上面代码中的x_grp就是x的分组数据了，而woe_data就是转换为woe后的数据了，大家运行一下就明白什么意思了，毕竟这功能较少用，需要的按照上面的代码看一下相关的API就明白了。

结束语

总的来说，先通过手动分析或自动分箱来获得所有变量的分箱，然后就可以构建评分卡了，再打印评分卡的相关的报告就可以了。此外，还可以通过分箱逻辑来得到变量的分箱效果、变量的分组(或woe)数据。