【实例】评分卡-建模代码(自动)

有时我们需要快速构建一个评分卡，这时候就可以采用自动分箱了，也就是通过算法来对变量自动分箱，这样就不需要人工参与，只需把原始数据直接丢到代码中就可以自动分箱、自动构建出整个评分卡了。本文讲解在bbbrisk中如何自动分箱并构建评分卡的方法，这是一种快捷构建评分卡的方法。

一、评分卡-建模代码-自动分箱

在本文中，我们仍然以bbbrisk的bloan小贷数据为例，来讲解如何全自动地构建评分卡。

bloan数据共2万条，包含10个变量，示例如下：

1.1. 评分卡-实现代码-自动分箱

在bbbrisk中，可以使用bins.autoBin函数来对多个变量进行自动分箱，因此我们只需要先自动分箱、再使用model.scoreCard函数来构建评分卡就可以了，具体代码如下：

# 本代码展示在bbbrisk如何以自动分箱方式自动构建评分卡
# 本代码来自《老饼讲解-评分卡》www.bbblearn.com 
import  bbbrisk  as br

# 加载数据                                                                     
data = br.datasets.load_bloan()                                                # 加载数据
x = data.iloc[:,:-1]                                                           # 变量数据
y = data['is_bad']                                                             # 标签数据

# 自动分箱
bin_sets  = br.bins.batch.autoBins(x, y,enum_var=['city','marital'])           # 自动分箱
bin_stats = br.bins.batch.bin_stats(x,y,bin_sets)                              # 统计各个变量的分箱情况
# 构建评分卡
model,card = br.model.scoreCard(x,y,bin_sets,train_param={'random_state':0})   # 构建评分卡
score      = card.predict(x[card.var])                                         # 用评分卡进行评分
card.featureScore                                                              # 评分卡-特征得分表
card.baseScore                                                                 # 评分卡-基础分

# 打印结果
print('\n-----【 模型性能评估 】----')
print('* 模型训练AUC:',model.train_auc)                                        # 打印模型训练数据集的AUC
print('* 模型测试AUC:',model.test_auc)                                         # 打印模型测试数据集的AUC
print('* 模型训练KS:',model.train_ks)                                          # 打印模型训练数据集的KS
print('* 模型测试KS:',model.test_ks)                                           # 打印模型测试数据集的KS
													                           
print('\n--------【 模型 】---------')                                         
print('* 模型使用的变量:',model.var)                                           # 模型最终使用的变量
print('* 模型权重:',model.w)                                                   # 模型的变量权重
print('* 模型阈值:',model.b)                                                   # 模型的阈值

# 计算阈值表与分数分布图
thd_tb    = br.report.get_threshold_tb(score,y,bin_step=10)                    # 阈值表
br.report.draw_score_disb(score,y,bin_step=10,figsize=(14, 4))                 # 分数分布

代码运行结果如下：

构建完后的card.featureScore和card.baseScore合并起来就是评分卡表，thd_tb就是阈值表，具体参考上张文章《评分卡-建模代码(手动)》就可以了，这里我们不再重复讲述。

二、autoBin自动分箱-进阶使用

在上面的代码中，我们就已经自动构建出评分卡了，下面我们进一步讲解bins.autoBin函数的一些日常使用。

我们先直接上代码，如下：

# 本代码展示如何用bbbrisk对变量进行自动分箱
# 本代码来自《老饼讲解-评分卡》www.bbblearn.com 
import  bbbrisk  as br

# 加载数据                                                                     
data = br.datasets.load_bloan()                                      # 加载数据
x = data.iloc[:,:-1]                                                 # 变量数据
y = data['is_bad']                                                   # 标签数据

# 自动分箱
bin_sets  = br.bins.batch.autoBins(x, y,enum_var=['city','marital']) # 自动分箱,需要指出哪些是枚举变量
bin_stats = br.bins.batch.bin_stats(x,y,bin_sets)                    # 统计各个变量的分箱情况
br.display.pd.set(width=300,max_colwidth=30,max_rows=30)             # 美化pandas的显示方式
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

# 选择iv足够大的变量
select_bin_set = {}                                                  # 初始化选择的变量的分箱
for var,stat in bin_stats.items():                                   # 逐个变量循环
    if (stat['iv'].iloc[-1]>0.1):                                    # 当前变量的iv值是否满足要求
        select_bin_set[var] =  bin_sets[var]                         # 如果满足,则添加到选择池
print('\n iv > 0.1 的变量与分箱结果:\n',select_bin_set)              # 最终选择的变量的分箱

好了，下面我们一起来逐行看下代码(前10行的代码是加载数据，我们直接忽略，直接从11行开始看)。

• 变量自动分箱

第11行是对变量进行自动分箱：

这里调用bins.autoBin函数，就能直接对x，y进行分箱了，由于变量中有一些是枚举变量，而枚举变量和连续变量采用的自动分箱策略是不同的，所以如果有枚举变量，就需要在enum_var参数中明确指出哪些是枚举变量。

上面的代码得到的bin_sets就是自动分箱后的结果，它是一个dict对象，如下：

这一句代码，就已经得到各个变量的自动分箱结果了，直接把bin_sets作为分箱配置来构建评分卡就可以了。

• 分箱的统计信息

第12-15行演示了如何打印分箱统计信息。

虽然上面的bin_sets已经得到了分箱结果，但写报告时，我们往往需要每个变量具体的分箱统计信息，所以12-15行演示了如何打印分箱统计信息。

可以看到，真正统计分箱信息的只有第12行，而第13-15行仅仅是逐个变量打印统计信息而已。在第12行中的bins.bin_stat函数所返回的bin_stats中，就已经存放了样本x,y在各个分箱的分布、iv值与badrate。

例如rev变量的统计信息打印结果如下：

整理到Excel中就是如下效果了：

• 根据iv筛选变量

下面再来看17-22行代码，它所干的事情是通过iv来筛选变量。

自动分箱是为了快捷地、自动地完成分箱，所以一般会简单地借助iv值来判断变量的有效性，由于在iv<0.02时，变量普遍被认为无效，在这里我们不妨把条件加严，筛选出iv>0.1的变量。

最终选择出的变量以及分箱如下：

如果要使用iv筛选后变量构建评分卡，只需要在构建评分卡时，将bin_sets改为select_bin_set就可以了。

结束语

好了，以上就是如何自动构建评分卡的方法了，一般来说，自动分箱合理性、稳健性会比手动分箱差一些，但它的好处是快速、自动、不需要人参与，有一些需要自动上线的项目、或者为了快速构建评分卡、或者对评分卡的可靠性要求不那么严时，就可以直接使用这种方法来进行构建。