| 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
- 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
- 模型文件（joblib）— LR 模型 + WoE 编码器序列化
- 评分卡表（JSON）— 可直接用于部署的分箱-分数映射
- 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
- 目标变量：必须为 0/1 二分类
- 时间切分：建议按时间切分，确保 OOT 为未来数据
- 特征筛选：不传
--features 时自动按 IV 筛选（阈值 --iv_threshold）
- WoE 分箱：使用
optbinning 做最优分箱，每特征最多 --max_n_bins 箱
- 评分卡公式：
Score = base_score - factor × ln(odds)，其中 factor = pdo / ln(2)
- 不提供调参：需要调参请切
lr-tuning（搜索 WoE 分箱 + LR 正则化参数）
- 模型保存：模型和评分卡保存到
<output_dir>/models/
