一行代码自动化风控建模autobmt实战

今天，为大家分享一行代码即可自动化风控建模哦，来介绍一下这个库autobmt。

安装方式：pip install autobmt

pipy包：https://pypi.org/project/autobmt/

数据集和代码领取，请+工种号，回复“自动建模”

自动建模评分卡

读取数据

模型建设

定义模型存储和Y标签定义，开始自动训练模型

###TODO 注意修改
client_batch = 'TT01p1'
key, target, data_type = 'APP_ID_C', 'target', 'type'  # key是主键字段名，target是目标变量y的字段名，data_type是train、test数据集标识的字段名
ml_res_save_path = './example_model_result/{}'.format(client_batch) # 模型结果保存的位置


###TODO 下面代码基本可以不用动
# 初始化
autobtmodel = AutoBuildScoreCard(datasets=data, # 训练模型的数据集
     fea_names=list(data.columns), # 数据集的字段名
     target=target, # 目标变量y字段名
     key=key, # 主键字段名
     data_type=data_type, # train、test数据集标识的字段名
     no_feature_names=[key, target, data_type] + ['apply_time'],
     # 数据集中不用于开发模型的特征字段名，即除了x特征的其它字段名
     ml_res_save_path=ml_res_save_path, # 建模相关结果保存路径
# data_dict=data_dict, # 数据字典，非必要，有则添加，无则不要此参数
     AB={'A': 404.65547021957406, 'B': 72.13475204444818}, #自定义的大A，大B；非必要，有默认的
     positive_corr=False, #数与模型预测的概率值是否正相关。默认False，负相关，即概率约高，分数越低
     )

# ###训练模型
model, in_model_fea = autobtmodel.fit(
      empty_threhold=0.9, # 特征的缺失值大于该阀值的特征会被剔除
      iv_threhold=0.02, # iv小于该阀值的特征会被剔除
      corr_threhold=0.7, # 相关性大于等于该阀值的特征会被剔除
      psi_threhold=0.05  # psi大于等于该阀值的特征会被剔除
      )

输出打印：

最终模型跑批结果存储：

风控建模结果展示

①KS与AUC结果

train_pred=datass[datass['type']=='train']['score']
y_train=datass[datass['type']=='train']['target']

test_pred=datass[datass['type']=='test']['score']
y_test=datass[datass['type']=='test']['target']
train_perf = sc.perf_eva(y_train,train_pred,title="train")
test_perf = sc.perf_eva(y_test,test_pred,title="test")

②变量分箱结果图

案例展示：

③EDA

④特征选择

⑤分箱汇总

⑥训练集和测试集的最优分箱

⑦best_binning_log

⑧变量的coef、iv、psi等汇总情况

⑨score分箱明细与分数

⑩相关性矩阵

结果汇总：

预测新增数据集：

写在最后

只有实战模拟面试场景，才能让一些关键的因素在脑海里留下深刻的记忆，直到知识融入到皮肤里，不断地熟悉并掌握面试题的内容，深入到底层的风控知识体系。