最近发现了一款使用python实现的评分卡相关技术的插件woe，这里总结分享一下。项目网址：https://github.com/boredbird/woe，安装方式十分简单，直接使用pip安装即可：
pip install woe
或者
pip installgit+https://github.com/boredbird/woe
一、 相关概念
1.1 最优分组
最优分组或者最优分群是一种进行变量分组划分的常用技术，它划分的最终结果是该变量的iv值或者其他参考指标最大化。它首先将变量按照一定步长，分为100或者N个小组，然后根据IV值，对这些小组进行划分（树分裂），划分成2、3、4、5、、、直到指定分组数目。
1.2 K-S值
将评估样本总体进行10等分（比如按照预测的欺诈分值），并按照违约概率进行降序排序，计算每一等份中违约与正常百分比的累计分布，绘制出两者之间的差异。K-s曲线中的最大值被称作k-s统计量。
1.3 相关系数
简单相关系数：又叫相关系数或线性相关系数，一般用字母r表示，用来度量两个变量间的线性关系。
1.4 Wald test
scipy.stats.wald
https://docs.scipy.org/doc/scipy/reference/generated/scipy.stats.wald.html
1.5 IV与WOE
IV衡量的是某一个变量的信息量，从公式来看的话，相当于是自变量woe值的一个加权求和，其值的大小决定了自变量对于目标变量的影响程度；从另一个角度来看的话，IV公式与信息熵的公式极其相似。
可以看出来，经过WOE的变化之后，模型的效果好多了。事实上，WOE也可以用违约概率来代替，两者没有本质的区别。用WOE来对自变量做编码的一大目的就是实现这种“条件似然比”变换，极大化辨识度。
二、 使用介绍
2.1 特点
支持基于信息熵的树分裂（最优分组、最优分群）；
丰富的模型评估方法
按照一定格式输入，输出设置方便
存储树结构（pkl文件），方便在后续测试时或者转换其他数据时使用
2.2 模块功能树
|-__init__
|-config.py
| |-- config：参数配置
| |-- __init__：初始化执行参数配置
| |-- change_config_var_dtype()：配置待处理变量类型
| |-- load_file()：加载csv格式的数据文件
|-eval.py
| |-- compute_ks()：ks分值估计（from scipy.stats import ks_2samp）
| |-- eval_data_summary()：统计样本信息（好坏分布），并输出结果到csv文件中
| |-- eval_feature_detail()：统计特征信息（好坏分布）
| |-- eval_feature_stability()：特征稳定性验证，分层统计是否均匀
| |-- eval_feature_summary()：统计变量的相关统计信息（iv、coef）
| |-- eval_model_stability()：模型稳定性评估，分值分段统计
| |-- eval_model_summary()：
| |-- eval_segment_metrics()：分段计算ks值
| |-- plot_ks()：ks曲线画图
| |-- proc_cor_eval()：计算相关系数（numpy.corrcoef）
| |-- proc_validation()：
| |-- wald_test()：计算waldtest
|-feature_process.py
| |-- binning_data_split() ：执行数据划分
| |-- calculate_iv_split()：指定划分节点，计算iv值
| |-- calulate_iv()：计算iv值
| |-- change_feature_dtype()：更改数据类型
| |-- check_point()：
| |-- fillna()：替换空缺值
| |-- format_iv_split()：给定数据集和划分节点，返回iv值
| |-- proc_woe_continuous()：计算连续变量的woe值
| |-- proc_woe_discrete()：计算离散变量的woe值
| |-- process_train_woe()：训练集的woe转换
| |-- process_woe_trans()：处理woe转换
| |-- search()
| |-- woe_trans()
|-ftrl.py
| |-- FTRL()
| |-- LR()
|-GridSearch.py：参数的网格搜索
| |-- fit_single_lr()
| |-- grid_search_lr_c()
| |-- grid_search_lr_c_main()
| |--grid_search_lr_validation()
3.2 数据配置
如项目文件夹example中的HereWeGo.py程序示例，需按照config.csv中的示例进行配置，
| var_name |
var_dtype |
is_tobe_bin |
is_candidate |
is_modelfeature |
Label列必须命名为target
is_tobe_bin：表示是否要进行分组
is_candidate：表示该变量是否入模
is_modelfeature：该变量是否加入模型参数的网格搜索