aliyun LR 评分卡建模 (portable)
基于 WoE (Weight of Evidence) 编码 + Logistic Regression 进行二分类评分卡建模。
核心流程：原始特征 → WoE 最优分箱编码 → LR 训练 → 评分卡转换
适用场景：
- 风控评分卡开发（标准 A/B/C 卡）
- 需要强可解释性的业务场景
- 监管合规要求模型白盒化
参数说明
| 参数 | 必选 | 默认值 | 说明 |
|---|---|---|---|
--data_path / -d |
✅ | - | 数据文件路径（parquet/csv） |
--target / -t |
✅ | - | 目标变量列名（0/1 二分类） |
--time_col |
busi_dt |
时间列名 | |
--train_filter |
自动切分 | 训练集筛选条件（pandas query） | |
--oot_filter |
按时间切出 | OOT 跨时间测试集条件 | |
--oot_ratio |
0.20 |
未传 --oot_filter 时按时间切 OOT 的比例 |
|
--val_ratio |
0.25 |
从 train_full 切 val 的比例 | |
--random_seed |
42 |
随机种子 | |
--exclude_cols |
- | 排除列，逗号分隔 | |
--features |
- | 指定特征列表，逗号分隔；不传则自动按 IV 筛选 | |
--max_n_bins |
8 |
WoE 分箱最大箱数 | |
--min_bin_size |
0.05 |
最小分箱比例 | |
--iv_threshold |
0.02 |
IV 筛选阈值（低于此值的特征排除） | |
--regularization |
l2 |
正则化类型：l1 / l2 / elasticnet |
|
--C |
1.0 |
正则化强度（越小正则化越强） | |
--max_iter |
1000 |
LR 最大迭代次数 | |
--base_score |
600 |
评分卡基础分 | |
--pdo |
50 |
评分卡 PDO（分数翻倍点） | |
--base_odds |
50.0 |
基础 Odds（好坏比） | |
--model_name |
自动生成 | 模型名称 | |
--report_output |
自动生成 | 报告输出路径 | |
--output_dir |
./outputs/<ts> |
产物输出目录 | |
--config |
- | JSON 配置文件路径 |
执行方式
python scripts/modeling.py \
--data_path ./data.parquet --target y_label \
--time_col busi_dt \
--exclude_cols "cust_code,busi_dt" \
--output_dir ./outputs/lr_run
指定特征建模：
python scripts/modeling.py \
--data_path ./data.parquet --target y_label \
--features "feat1,feat2,feat3,feat4" \
--regularization l1 --C 0.5 \
--output_dir ./outputs/lr_run
常用场景
场景一：默认参数快速建模
python scripts/modeling.py --data_path ./data.parquet --target y_label --output_dir ./outputs/lr_run
场景二：指定特征建模
python scripts/modeling.py --data_path ./data.parquet --target y_label \
--features "feat1,feat2,feat3" --output_dir ./outputs/lr_run
场景三：自定义评分卡参数
python scripts/modeling.py --data_path ./data.parquet --target y_label \
--base_score 650 --pdo 40 --output_dir ./outputs/lr_run
输出产物
- 建模报告（Markdown）— 含数据切分、WoE分箱表、LR系数表、评分卡转换表、三段式评估指标、稳定性分析
- 模型文件（joblib）— LR 模型 + WoE 编码器序列化
- 评分卡表（JSON）— 可直接用于部署的分箱-分数映射
- result.json — 结构化产物清单
与其他建模 Skill 的对比
| 维度 | lr-modeling | xgb-modeling | dnn-modeling |
|---|---|---|---|
| 算法 | Logistic Regression | XGBoost | MLP (PyTorch) |
| 特征编码 | WoE 分箱编码 | 原始特征直接输入 | StandardScaler |
| 可解释性 | 白盒（系数 × WoE = 贡献） | 黑盒（需 SHAP 解释） | 弱 |
| 非线性能力 | 弱（仅通过分箱引入） | 强（树结构天然支持） | 强（多层激活） |
| 适用场景 | 评分卡 / 合规 / 白盒 | 高精度 / 特征交互 | 高维复杂交互 |
| 评估体系 | AUC/KS/BCR/PSI | AUC/KS/BCR/PSI | AUC/KS/BCR/PSI |
上下游关系
- 前置：
data-profiling→feature-analysis/univariate-analysis（特征筛选） - 后续：
lr-tuning（调参优化）、model-comparison（多算法对比） - 平行：与
xgb-modeling/dnn-modeling可做横向对比（同数据不同算法）
注意事项
- 目标变量：必须为 0/1 二分类
- 时间切分：建议按时间切分，确保 OOT 为未来数据
- 特征筛选：不传
--features时自动按 IV 筛选（阈值--iv_threshold） - WoE 分箱：使用
optbinning做最优分箱，每特征最多--max_n_bins箱 - 评分卡公式：
Score = base_score - factor × ln(odds)，其中factor = pdo / ln(2) - 不提供调参：需要调参请切
lr-tuning（搜索 WoE 分箱 + LR 正则化参数） - 模型保存：模型和评分卡保存到
<output_dir>/models/