| name | credit-scoring |
| description | 信用评分卡模型工具，实现WOE/IV计算、简化逻辑回归评分卡与Altman Z-Score违约预测。适用于风控建模教学与评分卡原型验证。模型基于简化假设和历史数据，需人工复核，且评分卡模型可能产生歧视性结果，不适用于受保护群体的信用评估。 |
| version | 1.0.0 |
| author | wangyi |
credit-scoring
信用评分模型工具，基于财务比率构建评分卡，使用简化逻辑回归（标准库实现）评估企业或个人违约风险。
脚本API
类 LogisticRegression
简化逻辑回归模型，使用梯度下降法求解。
LogisticRegression.fit(X, y) — 训练逻辑回归模型。LogisticRegression.predict_proba(x) — 预测违约概率。LogisticRegression.predict(x, threshold) — 预测类别。
calculate_woe_iv(data, n_bins=10)
计算 WOE（Weight of Evidence）和 IV（Information Value）。
必填: data
probability_to_score(pd, base_score=600, pdo=20, base_odds=1 / 20)
将违约概率转换为信用评分。
必填: pd
build_scorecard(model, feature_names)
构建评分卡。
必填: model, feature_names
credit_scoring(financial_ratios, model=None, feature_names=None, base_score=600, pdo=20)
信用评分完整流程。
必填: financial_ratios
altman_zscore_scoring(financials, base_score=600, pdo=20)
基于 Altman Z-Score 的信用评分。
必填: financials
fit(X, y)
训练逻辑回归模型。
必填: X, y
predict_proba(x)
预测违约概率。
必填: x
predict(x, threshold=0.5)
预测类别。
必填: x
调用示例
python scripts/main.py \
--data <data> \
--n-bins <n_bins> \
