lr-modeling

name	lr-modeling
category	建模训练
description	【LR评分卡建模】当用户需要"逻辑回归"、"LR建模"、"评分卡"、"scorecard"、"WoE建模"、"跑个LR"时使用。基于 WoE 编码 + Logistic Regression 训练标准评分卡模型，输出系数表、分箱WoE映射、评分卡分数转换。复用平台已有的三段式数据切分、AUC/KS/BCR评估体系、稳定性分析。前提条件：需要已有数据集。**不做超参数调优**；不做特征工程。与 xgb-modeling 的区别：本 Skill 使用逻辑回归+WoE编码，输出可解释的评分卡模型；xgb-modeling 使用 XGBoost 树模型。
next_steps	[{"skill":"lr-tuning","text":"调参优化评分卡","prompt":"帮我调整WoE分箱和正则化参数"},{"skill":"model-comparison","text":"多算法对比","prompt":"与XGBoost和DNN对比一下效果"}]

LR 评分卡建模 (portable)

基于 WoE (Weight of Evidence) 编码 + Logistic Regression 进行二分类评分卡建模。

核心流程：原始特征 → WoE 最优分箱编码 → LR 训练 → 评分卡转换

适用场景：

• 风控评分卡开发（标准 A/B/C 卡）
• 需要强可解释性的业务场景
• 监管合规要求模型白盒化

---

参数说明

参数	必选	默认值	说明
--data_path / -d	✅	-	数据文件路径（parquet/csv）
--target / -t	✅	-	目标变量列名（0/1 二分类）
--time_col		busi_dt	时间列名
--train_filter		自动切分	训练集筛选条件（pandas query）
--oot_filter		按时间切出	OOT 跨时间测试集条件
--oot_ratio		0.20	未传 --oot_filter 时按时间切 OOT 的比例
--val_ratio		0.25	从 train_full 切 val 的比例
--random_seed		42	随机种子
--exclude_cols		-	排除列，逗号分隔
--features		-	指定特征列表，逗号分隔；不传则自动按 IV 筛选
--max_n_bins		8	WoE 分箱最大箱数
--min_bin_size		0.05	最小分箱比例
--iv_threshold		0.02	IV 筛选阈值（低于此值的特征排除）
--regularization		l2	正则化类型：l1 / l2 / elasticnet
--C		1.0	正则化强度（越小正则化越强）
--max_iter		1000	LR 最大迭代次数
--base_score		600	评分卡基础分
--pdo		50	评分卡 PDO（分数翻倍点）
--base_odds		50.0	基础 Odds（好坏比）
--model_name		自动生成	模型名称
--report_output		自动生成	报告输出路径
--output_dir		./outputs/<ts>	产物输出目录
--config		-	JSON 配置文件路径

---

执行方式

python scripts/modeling.py \
  --data_path ./data.parquet --target y_label \
  --time_col busi_dt \
  --exclude_cols "cust_code,busi_dt" \
  --output_dir ./outputs/lr_run

指定特征建模：

python scripts/modeling.py \
  --data_path ./data.parquet --target y_label \
  --features "feat1,feat2,feat3,feat4" \
  --regularization l1 --C 0.5 \
  --output_dir ./outputs/lr_run

---

常用场景

场景一：默认参数快速建模

python scripts/modeling.py --data_path ./data.parquet --target y_label --output_dir ./outputs/lr_run

场景二：指定特征建模

python scripts/modeling.py --data_path ./data.parquet --target y_label \
  --features "feat1,feat2,feat3" --output_dir ./outputs/lr_run

场景三：自定义评分卡参数

python scripts/modeling.py --data_path ./data.parquet --target y_label \
  --base_score 650 --pdo 40 --output_dir ./outputs/lr_run

---

输出产物

1. 建模报告（Markdown）— 含数据切分、WoE分箱表、LR系数表、评分卡转换表、三段式评估指标、稳定性分析
2. 模型文件（joblib）— LR 模型 + WoE 编码器序列化
3. 评分卡表（JSON）— 可直接用于部署的分箱-分数映射
4. result.json — 结构化产物清单

---

与其他建模 Skill 的对比

维度	lr-modeling	xgb-modeling	dnn-modeling
算法	Logistic Regression	XGBoost	MLP (PyTorch)
特征编码	WoE 分箱编码	原始特征直接输入	StandardScaler
可解释性	白盒（系数 × WoE = 贡献）	黑盒（需 SHAP 解释）	弱
非线性能力	弱（仅通过分箱引入）	强（树结构天然支持）	强（多层激活）
适用场景	评分卡 / 合规 / 白盒	高精度 / 特征交互	高维复杂交互
评估体系	AUC/KS/BCR/PSI	AUC/KS/BCR/PSI	AUC/KS/BCR/PSI

---

上下游关系

• 前置：data-profiling → feature-analysis / univariate-analysis（特征筛选）
• 后续：lr-tuning（调参优化）、model-comparison（多算法对比）
• 平行：与 xgb-modeling / dnn-modeling 可做横向对比（同数据不同算法）

---

注意事项

1. 目标变量：必须为 0/1 二分类
2. 时间切分：建议按时间切分，确保 OOT 为未来数据
3. 特征筛选：不传 --features 时自动按 IV 筛选（阈值 --iv_threshold）
4. WoE 分箱：使用 optbinning 做最优分箱，每特征最多 --max_n_bins 箱
5. 评分卡公式：Score = base_score - factor × ln(odds)，其中 factor = pdo / ln(2)
6. 不提供调参：需要调参请切 lr-tuning（搜索 WoE 分箱 + LR 正则化参数）
7. 模型保存：模型和评分卡保存到 <output_dir>/models/