基于Toad的评分卡模型全流程详解（内含代码）

不知不觉中，Python已经在短短几年内一跃成为最热门的编程语言之一，尤其是在数据科学、人工智能和机器学习领域。这除了因为Python相对简单易学，可读性高之外，也有很大一部分原因是因为Python有着良好的开源生态从而产生了许多强大的第三方库，这些库可供直接调用，为开发人员的工作提供了极大的便利。关注“金科应用研院”，回复“优快云”，领取风控资料合集

风控领域亦是如此，以最常用、最经典的信用风险评分卡模型为例，第三方的库就有谢士晨博士开发的Scorecardpy以及今天我们要重点介绍的toad。

toad是针对风险评分卡的建模而开发的工具包，其功能全面，性能强大，从数据探索EDA、特征筛选、特征分箱、WOE变换，到建模、模型评估、转换分数，对评分卡模型的各个步骤都做了完整的封装，极大的简化了建模的复杂程度，深受从业人员的喜爱。

下面我们将根据建模实际的流程，分布为大家介绍toad包的各种功能。

在开始之前先简单说一下toad库的安装与升级，和其他的库一样，直接使用pip即可：
安装：pip install toad
升级：pip install --upgrade toad
0.导入库与数据读取

可以看到，演示数据共有50000条数据，16个特征，包含14个特征变量，一列主键和一列标签（Defaulter）列。其中有若干个离散型变量和连续性变量，且有一定的缺失值。为了后续模型能够检验，我们使用sklearn里的train_test_split将数据划分为训练集（30000条）与测试集（20000条）。

1.EDA数据探索

（1）toad.detect(dataframe)

用于检测数据情况（EDA），方便我们对数据有一个总体的印象。输出每列特征的统计性特征和其他信息，主要的信息包括：缺失值、unique values、数值变量的平均值、离散型变量的众数等。如下面的cell，可以得到以下信息：
坏客户的占比为16.2%：Defaulter的mean为0.162；
部分特征有缺失值，且缺失值不等：注意missing列；
数值型变量和离散型变量有若干个，部分离散型变量的unique values较多，有10多个甚至61个：离散型变量的unique列。

（2）toad.quality(dataframe, target=‘target’, iv_only=False)

输出每个变量的iv值，gini，entropy，和unique values，结果以iv值排序。'target’为目标列，'iv_only’决定是否只输