企业官网建设流程全解析

简介：这份资源面向金融风控与数据挖掘方向的学习者，提供用Python实现申请评分卡模型的完整数据集与配套代码，帮助理解从原始申请数据到信用评分的全流程。压缩包共14个文件，约9.22MB，包含1个csv原始数据集、5个py脚本、7个pkl序列化文件及1个lr_classweight权重文件，覆盖数据读取、特征工程、模型训练与评分卡转换等环节。其中csv用于训练与测试，py脚本对应逻辑回归、GBDT、DNN等建模流程，pkl文件保存分箱字典、WOE映射与训练测试数据，便于直接复现。已有1696人学习下载，适合希望掌握评分卡原理、练习sklearn建模与特征分箱的读者参考，可借此熟悉违约预测、样本不平衡处理与模型评估等实际风控场景。

1. 申请评分卡模型：从一份数据集到一个能跑通的信用评分系统

很多做风控的朋友第一次接触评分卡，都是被“申请评分卡”这四个字吓住的——以为要懂多少金融业务、多少统计学。其实拆开来看，它就是一个用历史申请数据训练出来的二分类模型，输出一个分数，用来判断“这个人未来会不会逾期”。这份 Python 申请评分卡模型数据集，给的就是从原始特征到最终评分的一整套落地素材，适合正在做信贷风控、消费金融或者想入门信用评分的开发者。你拿到手之后，能直接跑通数据清洗、WOE 分箱、IV 筛选、逻辑回归训练、评分映射这条完整链路，而不是只对着公式发呆。下面我按自己拆项目的习惯，把这份资源从头到尾讲一遍。

2. 项目定位与技术选型：为什么是逻辑回归加 WOE 分箱

2.1 评分卡的本质是一个可解释的二分类器

申请评分卡要解决的核心问题很具体：给一笔新进来的贷款申请打分，分数越高信用越好，分数越低风险越大。它和普通二分类模型最大的区别在于可解释性——业务方要知道“为什么这个人被拒了”，监管也要能追溯每个特征的贡献。所以这个项目没有用 XGBoost 或神经网络，而是选了逻辑回归。逻辑回归的系数可以直接换算成每个特征的分数，这是评分卡行业的硬性要求，不是技术落后。

数据集里通常包含申请人的基本信息、征信查询记录、历史还款表现等字段，标签是“好/坏”二分类。整个流程走下来，你会得到一个评分卡表：每个特征分箱对应一个分数，加总就是最终评分。常见做法是把分数映射到 300 到 850 之间，分数越高违约概率越低。

2.2 技术栈与依赖清单

这个项目用到的库都是风控建模的标配，没有冷门依赖：

安装命令很直接：

pip install pandas numpy scikit-learn matplotlib scipy

如果你的环境里已经有这些库，跳过就行。我一般会单独建一个虚拟环境，避免和别的项目串版本：

python -m venv scorecard_env source scorecard_env/bin/activate # Windows 用 scorecard_env\Scripts\activate pip install pandas numpy scikit-learn matplotlib scipy

提示：scikit-learn 版本建议 1.0 以上，旧版本里 LogisticRegression 的 solver 默认参数有差异，可能导致结果对不上。

2.3 数据集结构长什么样

数据集一般是一个 CSV 或者 Excel 文件，行是申请人，列是特征加标签。典型的字段包括：年龄、月收入、学历、婚姻状况、历史逾期次数、查询次数、贷款金额、期限等。标签列通常叫target或label，0 代表好客户，1 代表坏客户。有些数据集会额外给一列sample_weight，用于处理样本不平衡。

拿到数据第一件事不是急着建模，而是先看分布。我习惯用下面这段代码快速摸清数据底细：

import pandas as pd # 读取数据集，注意编码格式，中文数据常见 gbk 或 utf-8 df = pd.read_csv('credit_data.csv', encoding='utf-8') # 查看行列数、标签分布、缺失情况 print('数据形状:', df.shape) print('标签分布:\n', df['target'].value_counts()) print('缺失值统计:\n', df.isnull().sum().sort_values(ascending=False).head(10)) print('数值型特征描述:\n', df.describe().T[['mean', 'std', 'min', 'max']])

这段代码输出四个关键信息：数据规模、好坏样本比例、哪些字段缺失严重、数值特征的量纲范围。如果坏样本占比低于 5%，后面训练时就要考虑样本权重或者过采样，否则模型会偏向预测“好客户”。缺失率超过 60% 的字段，我一般直接丢掉，补太多反而引入噪声。

3. 核心模块拆解：从原始数据到评分卡的完整链路

3.1 数据清洗与特征初筛

原始数据里最常见的脏东西是：年龄填成 0 或 999、收入为负数、类别字段有拼写不一致。这些不处理，后面分箱会直接报错。清洗逻辑我一般写成一个函数，按列类型分别处理：

import numpy as np def clean_data(df): # 数值型字段：异常值截断到合理分位 num_cols = ['age', 'income', 'loan_amount'] for col in num_cols: if col in df.columns: lower = df[col].quantile(0.01) upper = df[col].quantile(0.99) df[col] = df[col].clip(lower, upper) # 类别型字段：统一大小写、去除空格 cat_cols = ['education', 'marriage', 'housing'] for col in cat_cols: if col in df.columns: df[col] = df[col].astype(str).str.strip().str.lower() # 缺失值：数值用中位数，类别用众数 for col in df.columns: if df[col].dtype == 'object': df[col] = df[col].fillna(df[col].mode()[0]) else: df[col] = df[col].fillna(df[col].median()) return df df_clean = clean_data(df)

这里有几个参数值得说清楚。quantile(0.01)和quantile(0.99)是截断边界，把极端值拉回正常范围，避免一个收入 999999 的样本把分箱边界带偏。类别字段统一转小写再去空格，是因为“本科”和“本科 ”在 pandas 里是两个不同的类别，不处理会多出无意义的分箱。缺失值填充用中位数而不是均值，是因为金融数据里收入、金额这类字段分布右偏严重，均值容易被极端值拉高。

清洗完之后，还要做一次特征初筛。方差接近 0 的字段（比如 99% 的人都是同一个值）直接删掉，它对区分好坏客户没有贡献。相关系数高于 0.9 的两个数值特征，保留 IV 值更高的那个，避免多重共线性让逻辑回归系数不稳定。

3.2 WOE 分箱与 IV 值计算

这是评分卡最核心的一步。WOE 叫证据权重，衡量的是“某个分箱里坏客户占比和好客户占比的差异”。IV 是信息值，衡量整个特征对好坏客户的区分能力。计算逻辑不复杂，但细节容易翻车。

def calc_woe_iv(df, feature, target): # 按特征分组统计好坏样本数 grouped = df.groupby(feature)[target].agg(['count', 'sum']) grouped.columns = ['total', 'bad'] grouped['good'] = grouped['total'] - grouped['bad'] # 计算整体好坏比例 total_bad = df[target].sum() total_good = df[target].count() - total_bad # 防止除零，加一个极小值 grouped['bad_rate'] = grouped['bad'] / total_bad + 1e-10 grouped['good_rate'] = grouped['good'] / total_good + 1e-10 # WOE = ln(坏客户占比 / 好客户占比) grouped['woe'] = np.log(grouped['bad_rate'] / grouped['good_rate']) # IV = sum((坏客户占比 - 好客户占比) * WOE) grouped['iv'] = (grouped['bad_rate'] - grouped['good_rate']) * grouped['woe'] iv_value = grouped['iv'].sum() return grouped, iv_value

这段代码里1e-10是防止某个分箱里坏客户数为 0 导致除零。WOE 的符号很关键：WOE 为正说明这个分箱坏客户占比高于整体，风险高；WOE 为负说明风险低。IV 值的经验判断标准是：小于 0.02 预测力弱，0.02 到 0.1 弱，0.1 到 0.3 中等，0.3 到 0.5 强，超过 0.5 要警惕过拟合。我一般保留 IV 大于 0.02 的特征，低于这个值的直接淘汰。

分箱本身可以用等频分箱、等距分箱或者卡方分箱。等频分箱保证每个箱样本量差不多，但可能把相同属性的样本切到不同箱；卡方分箱会合并相邻的相似箱，结果更稳定。这个项目里常见做法是先等频粗分 20 箱，再用卡方合并到 5 箱左右。

3.3 逻辑回归训练与评分映射

特征筛选完之后，把每个特征的 WOE 值替换原始值，然后喂给逻辑回归。注意：评分卡模型训练时用的是 WOE 转换后的数据，不是原始数据。

from sklearn.linear_model import LogisticRegression from sklearn.model_selection import train_test_split from sklearn.metrics import roc_auc_score # 假设 X 是 WOE 转换后的特征矩阵，y 是标签 X_train, X_test, y_train, y_test = train_test_split( X, y, test_size=0.3, random_state=42, stratify=y ) # 训练逻辑回归，正则化用 L2，C 控制正则强度 lr = LogisticRegression( penalty='l2', C=1.0, solver='lbfgs', max_iter=1000, class_weight='balanced' ) lr.fit(X_train, y_train) # 评估 y_pred_proba = lr.predict_proba(X_test)[:, 1] auc = roc_auc_score(y_test, y_pred_proba) print(f'测试集 AUC: {auc:.4f}')

class_weight='balanced'是处理样本不平衡的关键参数，它会让模型自动给少数类更高的权重。C=1.0是正则化强度的倒数，C 越小正则越强，系数越保守。如果 AUC 在 0.75 以上，这个评分卡基本可用；低于 0.7 就要回头检查特征筛选和分箱是否合理。

训练完之后，把逻辑回归系数换算成评分。标准公式是：

# 评分映射：score = base_score + factor * ln(odds) # 其中 factor = pdo / ln(2)，pdo 是分数翻倍所需的 odds 变化 pdo = 50 # 每 50 分 odds 翻倍 base_score = 600 # 基准分 base_odds = 50 # 基准 odds factor = pdo / np.log(2) offset = base_score - factor * np.log(base_odds) # 每个特征的分数 = -factor * 系数 * WOE # 最终评分 = offset + sum(各特征分数)

pdo=50意味着好坏比每翻一倍，分数变化 50 分。base_score=600和base_odds=50是行业常用的基准点，你可以根据业务需要调整。最终每个申请人得到一个分数，分数越高信用越好。

4. 避坑与常见问题：那些我踩过的坑

4.1 分箱后某个箱样本量为 0

现象：计算 WOE 时报RuntimeWarning: divide by zero，或者 WOE 出现inf。原因：等频分箱时如果某个特征值大量重复，分箱边界会把所有样本挤到同一个箱，相邻箱为空。解决：分箱前先检查特征唯一值数量，少于 10 个的类别特征直接按类别分箱，不要用等频。数值特征如果重复值超过 30%，改用卡方分箱或者手动指定边界。

4.2 训练集 AUC 很高但测试集崩了

现象：训练集 AUC 0.9，测试集只有 0.65。原因：通常是 IV 筛选时保留了太多高 IV 特征，或者分箱过细导致每个箱样本太少，模型记住了噪声。解决：把 IV 上限卡在 0.5，超过的要么是标签泄露，要么是过拟合。分箱后每个箱至少保证 5% 的样本量，不够就和相邻箱合并。

4.3 WOE 转换后逻辑回归系数符号反了

现象：某个特征 IV 很高，但逻辑回归系数是负的，和业务常识相反。原因：WOE 计算时好坏样本的定义搞反了，或者某个分箱的 WOE 方向和其他箱不一致。解决：统一用“坏客户/好客户”算 WOE，确保所有分箱的 WOE 单调性合理。如果某个箱 WOE 方向突兀，检查是不是样本量太少导致的波动，合并掉。

4.4 缺失值填充后分数分布异常

现象：评分卡上线后，大量申请人分数集中在某个区间，区分度很差。原因：缺失值用中位数填充后，所有缺失样本都落到同一个分箱，WOE 相同，分数自然一样。解决：缺失值单独作为一个分箱，不要和正常值混在一起。很多数据集里“缺失”本身就是一种信息，比如“没填收入”可能意味着收入不稳定。

4.5 评分映射后分数范围不对

现象：算出来的分数有负数，或者集中在 200 到 300 之间，和预期的 300 到 850 差很远。原因：base_score和base_odds设置不合理，或者factor计算时用了自然对数而不是以 2 为底。解决：先确认pdo和base_odds的业务含义，再用公式反推offset。如果分数整体偏低，调高base_score；如果分数跨度太小，调大pdo。

5. 二次开发与改造思路：让评分卡适配你自己的业务

拿到这份数据集跑通之后，下一步就是把它改成你自己的评分卡。我一般从三个地方下手。

第一，替换数据集但保留流程。把credit_data.csv换成你自己的申请数据，字段名对齐就行。如果字段类型不同，改clean_data函数里的列名列表。注意标签列的名字要统一，我习惯用target，0 是好客户，1 是坏客户。如果你的数据里标签是反的，在读取后加一行df['target'] = 1 - df['target']翻转过来。

第二，调整分箱策略。不同业务对分箱的偏好不一样。信贷申请评分卡通常要求每个箱样本量均衡，用等频分箱；但如果某个特征业务上必须按固定区间分（比如年龄按 18-25、26-35、36-45 分），就手动指定边界。下面这个函数可以让你传入自定义边界：

def custom_binning(df, feature, bins): # bins 是边界列表，比如 [0, 25, 35, 45, 100] df[feature + '_bin'] = pd.cut( df[feature], bins=bins, labels=False, include_lowest=True ) return df # 示例：年龄按业务规则分箱 df = custom_binning(df, 'age', [0, 25, 35, 45, 60, 100])

include_lowest=True保证最小值落在第一个箱里，不然 18 岁会被排除。labels=False返回整数编码，方便后续计算 WOE。

第三，换模型但保留评分映射。如果你不满足于逻辑回归的区分度，可以换成 LightGBM 或 XGBoost，但评分卡的可解释性会打折扣。折中方案是用树模型做特征筛选，再用逻辑回归做最终评分。我试过用 LightGBM 的 feature_importance 挑前 15 个特征，再走 WOE 加逻辑回归，AUC 能提升 0.03 左右，同时保留评分表的可解释性。

验证改造效果的方法很直接：留出最近三个月的申请数据做时间外样本测试。如果时间外 AUC 和随机测试集 AUC 差距在 0.05 以内，说明模型没有过拟合到旧数据。差距太大，就要检查特征里有没有用到未来信息，比如“最近一次还款日期”这种字段在申请时点根本拿不到。

注意：评分卡上线后不是一劳永逸的。我一般每季度重新跑一次 IV 和 WOE，监控分数分布有没有漂移。如果某个特征的 IV 值从 0.3 掉到 0.05，说明这个特征在当前客群上已经失效，需要替换。

从那以后我每次做评分卡，都强制走一遍“清洗 → 分箱 → IV 筛选 → WOE 转换 → 逻辑回归 → 评分映射”的完整链路，中间任何一步跳过，后面都要花更多时间补窟窿。希望这份数据集和上面的拆解能帮你少走点弯路。

本文还有配套的精品资源，点击获取