企业官网建设流程全解析

简介：一份基于Python的逻辑回归评分卡模型构建资源，面向金融风控、信用评分及数据建模初学者，适合毕业设计、课程设计、大作业或工程实训。资源围绕特征工程、证据权重编码、信息价值计算与特征筛选、特征证据权重化、评分卡建模五个核心环节展开，输入筛选后特征即可自动输出评分结果，帮助理解信用评分卡从数据准备到模型落地的完整流程。压缩包体积5.07MB，共6个文件，包括3个CSV格式数据集、1个Excel格式数据字典、1个Python建模脚本和1个Markdown说明文档，结构与注释清晰，便于按模块对照学习。目前已有152人学习下载。通过该资源可掌握逻辑回归评分卡的实现代码、配套数据与字段说明，并可在替换数据、调整特征后迁移到自身项目，是完成课设或入门评分卡建模的实用参考。

1. 逻辑回归评分卡：一张能上评审会的算分表，而不是调参黑匣子

用逻辑回归做评分卡，是信贷审批、消费分期和信用卡额度管理里用得最久、也被监管和业务接受度最高的一套方案。它不像树模型那样把特征重要性藏在节点分裂里，它的每一分都能解释：客户最终得分 = 基础分 + 每个特征档位的得分，而档位得分由该特征的 WOE 和逻辑回归系数共同决定。基于 Python 构建逻辑回归评分卡模型，资源里已经准备好了训练集、测试集、数据字典和 score.py 主脚本，从特征工程、WOE 编码、IV 特征筛选到评分输出是一条完整链路。适合正在做金融风控课程设计、毕业设计，或者想自己动手复现一遍标准评分卡流程的从业者。整个过程最需要盯紧的不是 AUC，而是分箱合理性、WOE 方向一致性和分数刻度换算。

2. 从 cs-training.csv 到 WOE 输入：特征工程先于模型

我拆这类资源有个固定习惯：先看文件清单，再打开 README，然后才是数据。score_logistic-master 的 data 目录下放着三个 csv 和一本 Excel 字典：cs-training.csv 是训练集，cs-test.csv 是测试集，sampleEntry.csv 是最终评分结果输出模板，Data-Dictionary.xls 是字段说明。结构上没毛病，但真正决定评分卡能不能用的，是数据字典里每一列的业务含义是否和建模设计对上。

2.1 读文件：cs-training.csv 与 Data-Dictionary.xls 一起看

拿到压缩包以后，我建议你别急着pip install pandas，先把 Data-Dictionary.xls 翻开，对一遍字段。评分卡有一个铁律：目标变量必须是“未来发生的行为”，特征变量必须是“申请时点已经知道的信息”。比如目标列是“过去两年是否出现 90 天以上逾期”，那它的取值只允许是 0 或 1，而年龄、收入、负债比例、历史逾期次数这些字段，必须在客户进件时就能拿到。字段时序一旦错位，后面 IV 算出来再高都是假的，因为你在用未来预测未来。

读 CSV 的时候有个细节容易踩坑：很多评分卡数据集导出后第一列是行号，pd.read_csv默认会把它读成一个叫Unnamed: 0的列。这个多余列如果不处理，后面训练集和测试集做特征对齐时它会混进去，导致特征数量、列名全部错乱。我的习惯是直接index_col=0，把这个列丢给 DataFrame 的索引：

import pandas as pd import numpy as np train = pd.read_csv('data/cs-training.csv', index_col=0) test = pd.read_csv('data/cs-test.csv', index_col=0) print('train shape:', train.shape) print('test shape:', test.shape) print('train missing rate:') print(train.isnull().mean().sort_values(ascending=False))

这段代码的逻辑很简单：isnull().mean()按列计算缺失比例并降序排列，一张表就能看出哪些字段缺得厉害。train.shape则用来核对训练集和测试集的特征列是否一致，列数对不上，后面建模一定会报错。这里的列名以你下载的数据字典为准，如果读到的是Unnamed: 0，说明index_col=0生效了，不需要额外处理。

2.2 缺失值填充与异常值截断：先洗出干净样本

评分卡数据集不是干净的实验数据，缺失和极端值几乎必现。常见做法是分三档处理：缺失率低于 5% 的列直接删除对应样本；缺失率在 5% 到 20% 之间的列用中位数填充，少数类别字段用众数；缺失率超过 50% 的列直接放弃，因为缺失本身已经能说明该字段上报质量太差，填充出来的分布也是扭曲的。

填充值我一般用中位数而不是均值。原因很直接：月收入这类字段长尾严重，均值会被少数极高收入样本拉上去，用均值填充会让大部分普通客户缺失值落在偏高位置，分箱时这一档的 WOE 就会失真。中位数对极端值的抗性更好，也更容易跟业务解释“用中间水平收入代替未知收入”。

missing_cols = ['monthly_income', 'num_of_dependents'] for col in missing_cols: train[col] = train[col].fillna(train[col].median()) test[col] = test[col].fillna(test[col].median()) # 异常值截断：年龄和逾期次数按业务常识圈定合理范围 train = train[(train['age'] >= 18) & (train['age'] <= 100)] train = train[train['overdue_count'] < 80]

fillna 那两行在训练集和测试集上必须用同一个值，具体做法是先从训练集算好median()，再同步填充到两边。如果训练集和测试集各自算中位数，同一个特征在两个数据集里的填充口径就不一致了。后面的异常值截断，overdue_count指历史逾期次数，80 这个上界不是统计学算出来的，是业务上“两年内逾期接近 80 次”本身就不合理，我一般直接截掉。

2.3 分箱：连续变量离散化成有业务含义的档位

为什么不把年龄、收入这些连续变量直接扔进逻辑回归？一是逻辑回归默认特征是线性的，年龄对风险的影响往往不是一条直线，年轻人缺稳定收入、中间年龄段最稳、高龄客群健康风险上升，这种 U 型关系在连续特征上拟合不好；二是评分卡要给每个特征拆成“档位得分”，比如“年龄 25 到 35 岁加 5 分、35 到 45 岁加 12 分”，连续变量没法直接这么算。

分箱的常见方案有等宽、等频、卡方分箱和决策树分箱。等宽对长尾分布不友好，收入分布里绝大多数人集中在低区间，等宽分箱会让高区间箱里空无一人；卡方分箱要额外维护依赖库；我实际项目里最常用的是等频分箱打底，再用手动调整修正边界：

def cut_into_bins(df, col, bins=5): df_tmp = pd.DataFrame({'x': df[col], 'y': df[target_col]}).dropna() try: # 优先等频分箱；重复值太多时自动退化为等宽 bin_edges = pd.qcut(df_tmp['x'], bins, retbins=True, duplicates='drop')[1] df_tmp['bin'] = pd.cut(df_tmp['x'], bins=bin_edges, include_lowest=True) except ValueError: df_tmp['bin'] = pd.cut(df_tmp['x'], bins=bins) grouped = df_tmp.groupby('bin', observed=True)['y'].agg(['mean', 'count']) grouped['bad_rate'] = grouped['mean'] return grouped

bins=5是对大多数评分卡特征比较稳的起点，超过 10 箱会让单箱样本变薄，WOE 波动变大。pd.qcut按样本量等频切分，每个箱里样本数接近；返回的bin_edges是真实切分点，后续要把它固定下来，用于测试集分箱。bad_rate是每箱坏样本占比，如果分箱合理，它应该呈单调或接近单调的趋势，这也是后面做 WOE 之前最重要的体检项。

3. WOE 编码与 IV 值计算：先给特征排个信息量名次

分箱完成后，下一个动作是计算 WOE（Weight of Evidence）和 IV（Information Value）。这两个指标是评分卡和普通逻辑回归建模之间最明显的分水岭：普通逻辑回归直接吃原始特征，评分卡则要求先把每个分箱映射成一个 WOE 值，再让模型吃 WOE 化之后的特征。

3.1 WOE 计算公式与方向约定

WOE 衡量的是“某一个分箱里好样本相对集中程度，还是坏样本相对集中程度”。我用一个一致性比较强的定义：

WOE_i = ln( Good_i / Good_total ) − ln( Bad_i / Bad_total )

在这个定义下 Good_i / Good_total 是该箱好样本占全体好样本的比例，Bad_i / Bad_total 是坏样本占全体坏样本的比例。WOE 大于 0，说明这个箱里好样本比坏样本更集中，风险偏低；WOE 小于 0，则相反。

计算函数我一般写成下面这样，直接返回分箱明细，同时算出单箱 IV：

def cal_woe_iv(df, col, target=target_col): df_tmp = df[[col, target]].dropna() total_good = (df_tmp[target] == 0).sum() total_bad = (df_tmp[target] == 1).sum() grouped = df_tmp.groupby(col, observed=True)[target].agg(['sum', 'count']) grouped['bad'] = grouped['sum'] grouped['good'] = grouped['count'] - grouped['bad'] grouped['dist_good'] = grouped['good'] / total_good grouped['dist_bad'] = grouped['bad'] / total_bad grouped['woe'] = np.log(grouped['dist_good'] / grouped['dist_bad']) grouped['iv'] = (grouped['dist_good'] - grouped['dist_bad']) * grouped['woe'] return grouped.sort_index()

这里target默认取 1 为坏样本、0 为好样本。dist_good和dist_bad分别对应公式里的两个占比；woe列是每一箱的证据权重；iv列是单箱信息量，把每箱的 IV 加起来就是整列特征的 IV 值。如果某个箱里dist_bad为 0，np.log会得到inf，这种情况不能简单加一个小数掩盖，正确做法是先合并相邻箱，具体见避坑章节。

3.2 IV 值计算与筛选阈值是怎么来的

IV 的计算公式是各箱(dist_good - dist_bad) * woe的累加值。可以把它理解成“每个分箱里区分能力的加权和”，它解决了 WOE 只看相对比例、不看样本权重的问题。比如一个箱 WOE 很高，但里面只有 2 个样本，它对整体区分能力贡献就应该被降权。

评分卡实践里对 IV 的参考阈值大体如下：

这个阈值不是数学推导出来的，是多年项目经验沉淀下来的刻度，各家机构会微调。我做初筛时一般取 0.02 作为入选线，特征数量特别多就抬到 0.05，避免大量弱变量进模型把分箱结构变得很碎。批量计算时建议写一个循环：

iv_series = pd.Series(dtype=float) for col in binned_cols: grp = cal_woe_iv(train_binned, col) iv_series[col] = grp['iv'].sum() iv_series = iv_series.sort_values(ascending=False) print(iv_series) selected_cols = iv_series[iv_series >= 0.02].index.tolist()

iv_series是每个特征的总 IV 值，按降序排列后能看到明显的头部效应。selected_cols是通过初筛进入建模的特征名列表，后面所有环节都只围绕这些列展开。打印这一步值得保留，它会暴露一种典型翻车现场：某个特征的 IV 突然大于 0.5，并不是因为它强，而是因为数据里有泄漏。

3.3 特征 WOE 化：训练集测试集必须用同一张映射表

特征 WOE 化就是把每个分箱对应的 WOE 值映射到样本上。举个例子，年龄字段分箱后分成“18-25”“26-35”“36-45”三箱，它们各自有一个 WOE，样本年龄落在哪一箱，就用那一箱的 WOE 作为该样本在这个特征上的取值。模型看到的不再是“年龄 23”，而是“年龄 23 所在的档位，其证据权重是 -0.35”。

这一步最常见的错误是在训练集和测试集上分别做分箱、分别算 WOE。测试集一旦重新切分箱，箱边界就变了，同一个客户在训练集落在“26-35”这一箱，到了测试集可能变成“36-45”，分数当然对不上。正确的做法是先固定训练集上分出的bin_edges和woe_map，测试集只用它们做映射：

woe_map_dict = {} for col in selected_cols: grp = cal_woe_iv(train_binned, col) woe_map_dict[col] = grp['woe'].to_dict() for col in selected_cols: train_binned['woe_' + col] = train_binned[col].map(woe_map_dict[col]) test_binned['woe_' + col] = test_binned[col].map(woe_map_dict[col]) assert train_binned['woe_' + col].notna().all(), f'{col} 训练集存在未映射分箱' assert test_binned['woe_' + col].notna().all(), f'{col} 测试集出现训练集未见过的分箱'

woe_map_dict保存的是“分箱编号 -> WOE 值”的字典，map按这个字典替换到新列。两个assert是硬校验：只要map返回 NaN，说明样本所在的分箱在训练集分箱结构里不存在，此时要回去查是不是分箱边界没有正确落到区间上。现实中测试集出现新箱通常发生在样本量太小或者时间窗口漂移时，越早暴露越好。

4. 逻辑回归训练与评分卡刻度：offset、factor 和最终算分表

特征完成 WOE 化之后，理论上就可以训练逻辑回归了。但这里有个容易误解的地方：评分卡项目的重点不在训练环节调参，而在于把逻辑回归的 logit 输出精准地映射成一个整数分数，同时保证这个分数在业务上具备稳定的刻度含义。

4.1 先用 sklearn 把系数方向跑出来

建模这一步我一般直接拿sklearn.linear_model.LogisticRegression跑初始版本，不急着调C和penalty。倒不是因为 sklearn 比其他工具优越，而是它的默认接口稳定、文档全，适合做渠道基准。真正要盯的是系数符号，而不是训练精度。

from sklearn.linear_model import LogisticRegression from sklearn.model_selection import train_test_split feature_names = ['woe_' + col for col in selected_cols] X = train_binned[feature_names].fillna(0) y = train_binned[target_col] clf = LogisticRegression(penalty='l2', C=1.0, solver='liblinear') clf.fit(X, y) coef_df = pd.DataFrame({'feature': feature_names, 'coef': clf.coef_[0]}) print(coef_df.sort_values('coef')) base_intercept = clf.intercept_[0]

solver='liblinear'适合中小规模的二分类场景，C=1.0是正则强度的默认值，先不做网格搜索。coef_数组对应每个特征 WOE 的系数，把系数按正负排序后，和 3.1 节的 WOE 方向约定对照一遍：在 WOE 采用的是 good/bad 占比定义时，逻辑回归里的系数应该是负的，因为高 WOE 的箱意味着坏样本占比更小，直接作用于坏概率时方向为负。如果某列系数符号单调地反了，不要继续往下做，先回 5.1 查目标变量定义。

4.2 评分卡刻度：PDO、Offset 和 factor 怎么定

评分卡最终输出不是概率，而是整数分。从 logit 到分数需要两个刻度参数：factor是斜率，offset是截距。行业里常用的设定方式是 PDO，也就是“odds 翻倍时分数变化的点数”。

假设基准逻辑：违约比值 odds_bad = p / (1 - p)。我们希望 odds_bad 翻倍时，分数降低 PDO 分，因为违约概率越高分数越低。再设违约概率 p = 0.5，也就是 odds_bad = 1 时，基础分是 600 分。这个“600 对应 odds=1”是非常常见的初始设定。

import math PDO = 50.0 base_score = 600.0 factor = PDO / math.log(2) offset = base_score + factor * math.log(1.0)

PDO = 50表示违约比值每翻一倍，分数降 50 分；factor = 50 / ln(2)约等于 72.13，它是分数对 logit 的缩放比例；offset在 odds_bad=1 时等于 600，和基础分一致。实际项目中 PDO 常见取值是 20、50、100，取值越大幅度变化越剧烈，需要结合审批通过率和分数分布调试。

4.3 把模型输出变成基础分加各变量得分

有了offset和factor，评分公式就可以拆开了：

Score = offset − factor × (β0 + Σβ_i × WOE_i)

拆成“常量部分”和“每个变量贡献部分”之后，就得到一张评分卡算分表：

intercept_score = offset - factor * clf.intercept_[0] part_score_dict = {} for i, col in enumerate(feature_names): part_score_dict[col] = -factor * clf.coef_[0][i] def score_one_row(row): score = intercept_score for col in feature_names: score += part_score_dict[col] * row[col] return round(score) train_binned['score'] = train_binned.apply(score_one_row, axis=1) test_binned['score'] = test_binned.apply(score_one_row, axis=1)

intercept_score是基础分，它包含 offset 和截距两项，对每个客户一样。part_score_dict是每个woe_*列对应的分数权重，乘以该客户这一列的 WOE 值，就是该特征对最终分数的贡献。从分数构成可以看出，评分卡本质上没有离开逻辑回归的线性框架，只是把 lr 的系数和 WOE 组合重新包装成了业务能读的加分项。资源里的 score.py 一般会把这张算分表固化下来，实际线上使用时不再重复训练，只做字典映射和累加。

提示：如果某个特征得分出现超大正值或负值，先检查这一箱的 WOE 是不是在某个异常箱上，比如好样本或坏样本占比极端。分数异常通常不是算分公式的问题，而是上游分箱问题。

5. 评分卡常见问题排查：五条翻车现场复盘

评分卡开发流程每一步都可能埋雷，下面这五条是我见过最高频、也最值得提前加防护的翻车类型。每条我都按“现象 -> 原因 -> 解决”的顺序写，照着这个思路排查，能省掉大量重复试错时间。

5.1 好/坏样本定义错位：WOE 和系数符号全反过来

现象：score.py 跑完，分数低的人群里反而好客户比例更高；KS 曲线方向是倒的；clf.coef_的符号和业务认知全部相反。

原因：目标列 1/0 的定义和建模设计相反。比如业务文档里写“1 表示正常还款”，你却把 1 当成坏客户输入模型，所有 WOE 的分子分母、逻辑回归系数的方向都会整体反转。这个错误在代码层面不报任何异常，只有对照业务时才会暴露。

解决：先翻开 Data-Dictionary.xls，和 README 里对目标变量的描述对齐。我习惯在分箱函数后面加一个方向校验，保证 WOE 随风险等级变化的方向符合预期：

def check_woe_direction(grp): first_woe = grp['woe'].iloc[0] last_woe = grp['woe'].iloc[-1] return first_woe <= last_woe

如果返回 False，说明整体趋势反了，直接停止后续步骤，回去核对目标列。这个断言在每次更换数据集或重评分时都应该重跑一遍。

5.2 空箱导致 WOE 无穷大，IV 直接爆掉

现象：计算 WOE 时出现inf或nan，score.py在训练中途抛出 ValueError；或者总 IV 大到一个不科学的数值，比如单个特征超过 1。

原因：某个分箱里好样本数或坏样本数为 0，分母为 0。比如分箱切得太细，样本分布不均匀，某一箱里全是坏客户，dist_bad占比不等于 0，但dist_good等于 0，np.log(0)就变成负无穷。

解决：不要靠加0.000001这种微小值来兜底，那只是把问题藏起来。正确做法是合并相邻空箱，或者把样本数量低于某个下限的箱并入相邻区间。实际项目里我会设一个最小样本量门槛，比如单个箱至少 50 个样本，否则自动合并，保证 WOE 计算稳定。

5.3 IV 高得离谱的特征：先确认没有变量泄漏

现象：某个特征一眼扫过去业务含义很普通，但 IV 高达 1.8，单独用它建模 AUC 接近 0.98，总感觉哪里不对劲。

原因：这个特征很可能间接包含了目标结果信息。常见泄漏场景包括：用“当期是否逾期”去预测“未来是否逾期”；用贷后表现反推的衍生变量；外部数据源里的某个标志位其实就是本行违约名单。

解决：回溯特征生成逻辑，按时间窗口画一条线：特征生成必须早于目标观察期。对合法数据集里的高标准差特征，也要做一次人工抽数核对，确认它不是从结果列拷贝来的。IV 大于 0.5 的特征在风控评审会上一定会被追问来源，提前准备好解释口径。

5.4 训练测试时间窗口不一致，测试集分数整体漂移

现象：训练集 KS 0.40，测试集重算只有 0.33，分数分布整体向高端偏移，业务同事反馈通过率比预想高。

原因：cs-training.csv 和 cs-test.csv 如果来自不同时间窗口，客群构成、宏观环境、审批策略都可能不同。训练集里学到的最佳分箱，在测试集上未必复现同样的分布。

解决：先确认两个数据集的时间范围，再做窗口对齐。分箱边界固定用训练集的，测试集只做映射，不能重新算 WOE。上线前跑一次 PSI，如果 PSI 超过 0.25 就要重新审视离线验证的结论，不能直接拿一个来自漂移分布的数据集作为测试基准。

5.5 类别不平衡直接硬跑，分数分布整体偏高

现象：坏样本占比很低，比如只有 4%，逻辑回归训练完，分数集中在 650 到 720 区间，审批 cut-off 附近几乎没有区分度。

原因：模型在严重不平衡数据上会偏向多数类“好客户”，输出概率整体偏低，对应分数整体偏高。逻辑回归本身依然保序，但如果不做任何处理，分数刻度会整体偏移。

解决：在LogisticRegression里加class_weight='balanced'，或者手动给坏样本提高权重。评分卡测试期我更推荐加class_weight，因为它不破坏线性结构，系数和 WOE 的逻辑关系不变，后续算分公式照常使用。加了权重之后，分数分布会重新回到一个相对合理的区间，再重新看 KS 和 PDO 是否需要调整。

6. 用 KS 和 PSI 做上线前验证：区分度与稳定性两个硬指标

评分卡上线前的验证动作，我基本收敛到两个指标：KS 看区分度，PSI 看稳定性。KS 的全称是 Kolmogorov-Smirnov，用在评分卡里就是按分数降序排列后，累计坏样本占比与累计好样本占比的最大差值。它直接回答一个问题：把分数从低到高排序，能不能有效把坏客户往前排？

def ks_value(y_true, score, bins=20): df = pd.DataFrame({'y': y_true, 's': score}).sort_values('s') df['bin'] = pd.qcut(df['s'], bins, duplicates='drop') agg = df.groupby('bin', observed=True)['y'].agg(['sum', 'count']) agg['cum_bad'] = agg['sum'].cumsum() / agg['sum'].sum() agg['cum_good'] = (agg['count'] - agg['sum']).cumsum() / (agg['count'] - agg['sum']).sum() return (agg['cum_bad'] - agg['cum_good']).abs().max()

这段代码把样本按评分从低到高排成 20 箱，分别计算累计坏样本占比和累计好样本占比，取差值的最大值。KS 在 0.2 以下基本不可用，0.3 到 0.5 是评分卡比较理想的区间，超过 0.5 反而要警惕是不是特征泄漏了。

PSI 衡量的是训练集和上线后实际样本的分数分布偏移程度。PSI 小于 0.1 表示稳定，0.1 到 0.25 属于中度漂移需要跟踪，超过 0.25 就必须回到特征端排查。计算方法也不复杂：把期望样本和实际样本按同一个分数区间分箱，逐箱计算占比差异的对数加权和。

我早年做评分卡只看 KS，模型在验证集上表现不错就直接提上线，结果客群迁移之后 PSI 飙到 0.31，审批通过率一夜之间变了。从那以后，每次动完分箱或者换数据源，我都会强制走一遍同一套流程：先跑 KS 看区分度，再跑 PSI 看稳定性，最后输出一张训练集和测试集的分数分布表，给业务看一眼再决定是否上线。评分卡的优势本来就不是炫技，而是让风控决策经得起追问。这套习惯建议你也直接复用到自己的项目里，希望帮到你。

本文还有配套的精品资源，点击获取