企业官网建设流程全解析

简介：这套基于 Python 的逻辑回归评分卡模型资源，面向金融风控、信贷评分等入门与进阶学习者，也适合毕业设计、课程作业或工程实训。项目完整覆盖特征工程、WOE 编码、IV 值计算与特征筛选、特征 WOE 化，直至评分卡建模，并支持输入筛选后属性的特征值自动输出评分结果，便于快速理解评分卡从数据到分数的完整链路。压缩包共 6 个文件，约 5.07MB，包含 3 个 CSV 训练/测试数据、1 个数据字典 XLS、1 个 Python 主脚本 score.py 以及说明文档 README.md，结构清晰，可对照数据与代码逐步运行。已有 152 人学习查看，适合希望以真实数据集动手实践逻辑回归评分卡，并希望获得可直接复用脚本与数据处理思路的学习者。

1. 逻辑回归评分卡：先看流程，再谈建模

很多第一次接触评分卡项目的人，拿到资源包第一件事就是pip install sklearn，然后直接拿原始特征训练逻辑回归。这么做大概率交不了差。评分卡模型的难点从来不在逻辑回归本身——逻辑回归只是最后那一层拟合，真正的核心在特征工程、WOE 编码，以及把模型系数换算成人能读懂的整数分数。这份资源给了一套完整闭环：cs-training 训练集、cs-test 测试集、sampleEntry 提交样例、Data-Dictionary 数据字典，外加一个 score.py 主脚本。适合两类人，一类是做课程设计或毕设的 Python 方向学生，需要在有限时间内把全流程跑通；另一类是刚转数据岗、想搞懂「模型输出怎么变成评分卡」的开发。本文按我复盘这个项目的顺序展开，把数据、特征、建模、踩坑一次说透。

2. 数据包与字段体检：cs-training 里藏着的建模前提

2.1 文件结构与数据形态：先盘一遍资源里有什么

解压 score_logistic-master.zip 之后，目录里主要是训练集、测试集、提交样例、数据字典和建模脚本。这五个东西正好对应一条完整的数据建模流水线：训练数据用来拟合，测试数据用来预测，sampleEntry 规定了预测结果的输出格式，Data-Dictionary 解释每个字段的业务含义，score.py 则是把整条流程串起来的核心脚本。

import pandas as pd train = pd.read_csv("cs-training.csv") test = pd.read_csv("cs-test.csv") print("train shape:", train.shape) print("test shape:", test.shape) print(train.head(3))

训练集大约 15 万行、12 列左右，测试集略少一些。这里有个容易忽略的细节：两个 CSV 的第一列通常是 Unnamed: 0，也就是原始行号，读取后先用drop(columns=["Unnamed: 0"])删掉，否则后面特征筛选会把这个索引列也算进去。我一般读取时就处理好：

train = train.drop(columns=[c for c in train.columns if "Unnamed" in c])

数据形态确认后，下一步就是弄清楚每个字段的含义，不能拿着列名瞎猜。

2.2 数据字典与目标变量：每个字段先翻译成业务语言

打开 Data-Dictionary.xls 能看到完整字段说明。目标变量是SeriousDlqin2yrs，表示客户在未来两年内是否出现严重逾期（逾期 90 天以上），1 代表坏客户，0 代表好客户。这是二分类问题，也是评分卡最常见的建模场景。

剩下的字段基本都是客户维度的信用和行为特征，核心的几列整理如下：

看到这套字段，基本可以判断这份资源和 Kaggle 上经典的信用评分竞赛同源。字段里有多个「逾期次数」变量，而且按逾期天数分了三档，这说明数据本身对历史还款行为做了粗粒度的分级，后续分箱时这些计数特征的表现通常很稳定。

2.3 缺失率与分布体检：建模前先做一次全面体检

拿到数据不急着建模，先做缺失率和描述性统计。这一步能省掉后面大量排查时间。评分卡项目里最常翻车的两个点就是缺失值处理和分箱边界，而这两个问题的源头都在这里。

missing_rate = train.isnull().mean().sort_values(ascending=False) print(missing_rate[missing_rate > 0]) desc = train[["MonthlyIncome", "age", "DebtRatio"]].describe() print(desc)

跑完会发现两个明显的坑：MonthlyIncome缺失率接近 20%，NumberOfDependents缺失率约 2%~3%，其他字段基本干净。这是典型的「系统缺失」，并非随机零星缺失，所以不能简单填 0 或填均值。填 0 会把大量真实收入信息扭曲成「无收入」，导致后面 WOE 编码时最低收入箱的坏客户占比异常高。

再看分布，MonthlyIncome均值远大于中位数，典型的右偏分布，还有少数极端大额收入；DebtRatio同样存在离谱的离群值。这些字段直接喂进逻辑回归，系数会被极端样本拽得七扭八歪，所以必须做分箱和映射，也就是下一章要讲的 WOE 编码。

提示：这一步建议把缺失率和 describe 的结果存下来，后面做完特征工程再对比一次，能明显看到分箱后极端值的影响被削弱了。

3. 特征工程与 WOE 编码：为什么原始特征跑不出靠谱分数

3.1 逻辑回归的线性假设：原始特征与目标之间隔着一道坎

逻辑回归本质是线性模型，它拟合的是特征与目标对数值之间的线性关系。但信用评分场景里，年龄、收入、负债比这类变量和目标变量之间往往不是直线关系，更常见的是「倒 U 型」或「分段跳跃」：年龄太小和太大逾期风险都高，中间段最稳；收入到一定水平之后，再涨对风险的影响就很小了。

如果直接把原始数值丢进模型，等于强迫一条直线去拟合这种非线性关系，结果就是欠拟合，很多变量的预测力被白白浪费。另一个问题是极端值，比如月收入出现一个 800 万的值，这条样本会把整个特征的系数拉偏，而且很难通过标准化彻底消除。

行业里解决这个问题的主流方式就是分箱加 WOE 编码，把每个连续变量切成若干段，每段用该段好坏客户占比的比值作为新特征值。这套做法在评分卡项目里几乎是标配，既规避了线性假设，又天然化解了极端值的影响。

3.2 WOE 与 IV 的含义：这段代码在算什么

WOE（Weight of Evidence，证据权重）的公式长这样，按坏好比口径计算：

WOE_i = ln( (bad_i / bad_total) / (good_i / good_total) )

其中 bad_i 表示第 i 个分箱里坏客户数量，good_i 是好客户数量。每个箱子算出一个 WOE 值，代表这个箱子的风险浓度：WOE 越大，说明这个箱子里坏客户占比相对更高，风险也就越高。

IV（Information Value）则是对每个变量整体预测力的度量：

IV = Σ (bad_i / bad_total - good_i / good_total) × WOE_i

IV 值越高，说明这个变量区分好坏客户的能力越强。实际项目中一般按这个标准筛选：

3.3 分箱与 WOE 计算代码：一份能直接跑的通用的工具函数

我习惯写一个通用函数，输入 DataFrame、特征列名和目标列名，输出每个分箱的样本数、好坏占比、WOE 和 IV。等频分箱用pd.qcut，缺失值单独成箱，不参与数值分箱。

import numpy as np import pandas as pd def woe_1d(df, col, target, bins=10): temp = df[[col, target]].copy() # 缺失值单独标记，不参与数值分箱 temp[col] = temp[col].fillna("MISSING") mask = temp[col] != "MISSING" # 等频分箱，duplicates='drop' 避免重复边界报错 temp.loc[mask, col] = pd.qcut( temp.loc[mask, col].astype(float), q=bins, duplicates="drop" ).astype(str) grouped = temp.groupby(col, as_index=False)[target].agg(["sum", "count"]) grouped["good"] = grouped["count"] - grouped["sum"] grouped["bad"] = grouped["sum"] good_total = grouped["good"].sum() bad_total = grouped["bad"].sum() grouped["distr_good"] = grouped["good"] / good_total grouped["distr_bad"] = grouped["bad"] / bad_total grouped["woe"] = np.log(grouped["distr_bad"] / grouped["distr_good"]) grouped["iv"] = (grouped["distr_bad"] - grouped["distr_good"]) * grouped["woe"] return grouped

这段代码的核心逻辑是先把缺失值固定为MISSING箱，再做等频分箱，最后按公式逐箱计算。这里有两个值得注意的设计：缺失值单独成箱可以避免填充值对分布的污染；使用duplicates="drop"可以规避计数特征因大量重复导致的 qcut 报错。

调用方式也很简单，传训练集和目标列进去，就能拿到单变量的全部分箱明细：

result = woe_1d(train, "age", "SeriousDlqin2yrs", bins=10) print(result[["age", "good", "bad", "woe", "iv"]])

结果里能看到每个年龄段的好坏分布和 WOE 趋势。如果某个箱子的 WOE 突然跳得很高，说明这个段的客户风险确实异常，这是分箱希望捕捉到的信息，不需要修复。

3.4 用 IV 筛选特征：留下有用的，删掉凑数的

对每个特征跑一遍上面的函数，然后把 IV 汇总对比，做特征初筛。这里不建议只看单变量 IV 排序，还要结合业务理解判断，有些变量 IV 不高但业务意义明确（比如年龄），强行删掉会损失模型的解释性。

feature_cols = [ "RevolvingUtilizationOfUnsecuredLines", "age", "NumberOfTime30-59DaysPastDueNotWorse", "DebtRatio", "MonthlyIncome", "NumberOfOpenCreditLinesAndLoans", "NumberOfTimes90DaysLate", "NumberRealEstateLoansOrLines", "NumberOfTime60-89DaysPastDueNotWorse", "NumberOfDependents" ] iv_list = [] for col in feature_cols: grouped = woe_1d(train, col, "SeriousDlqin2yrs", bins=10) iv_list.append((col, round(grouped["iv"].sum(), 4))) iv_list.sort(key=lambda x: x[1], reverse=True) for col, iv in iv_list: print(f"{col:<45} IV={iv}")

跑完之后我一般会把 IV 小于 0.02 的特征删掉。这份资源里通常能留下 6~8 个有效特征，其中逾期次数类变量和额度使用率的 IV 最高，这符合风控常识：历史逾期行为对未来的预测力极强，远高于收入、年龄这类基础信息。

提示：IV 筛选只是粗筛，最终是否保留还要看变量之间的相关性。比如三个逾期次数变量相关性很高，全保留会导致多重共线性，后面训练时可以观察系数是否异常。

4. 评分卡建模与分数换算：系数到整数分三步走

4.1 特征 WOE 化：把训练集每一列变成 WOE 值

特征筛选完成后，要把训练集原始值替换成对应的 WOE 值。做法是复用上一步的分箱结果，先训练时的分箱保存，再把每个特征的值映射成所在箱子的 WOE。

这里有个关键点：测试集不能自己重新分箱，必须用训练集的分箱边界去切。否则训练和测试的箱子对不齐，分数根本没有可比性。所以我一般把分箱边界和 WOE 映射表同时存成字典，供训练集和测试集共用。

def build_woe_map(df, cols, target, bins=10): woe_maps = {} for col in cols: grouped = woe_1d(df, col, target, bins=bins) woe_maps[col] = dict(zip(grouped[col], grouped["woe"])) return woe_maps woe_map = build_woe_map(train, feature_cols, "SeriousDlqin2yrs", bins=10)

映射替换时记得先把缺失值统一替换成MISSING再执行 map，否则缺失值会匹配不到键。替换完后的训练集每一列都是数值型 WOE，可以直接用来训练逻辑回归。

4.2 逻辑回归训练：用 statsmodels 还是 sklearn

评分卡建模时，我推荐用 statsmodels 而不是 sklearn。评分卡项目讲究可解释性，statsmodels 的 summary 能直接输出每个特征的 P 值和置信区间，写课程设计或毕设报告时这些数字直接可以用。sklearn 也能做，但系数显著性要另外算。

import statsmodels.api as sm train_woe = train.copy() for col in feature_cols: map_dict = woe_map[col] train_woe[col] = train_woe[col].fillna("MISSING").map(map_dict) X = train_woe[feature_cols] y = train_woe["SeriousDlqin2yrs"] X_const = sm.add_constant(X) model = sm.Logit(y, X_const).fit() print(model.summary())

solver层面 statsmodels 默认使用误差函数，对这份数据规模完全没有压力。训练完成后重点看两样东西：P 值是否都小于 0.05，系数方向是否符合业务认知。比如逾期次数类变量的系数应该为正，说明逾期次数越多、WOE 越高、风险越大。如果某个系数的符号和业务直觉相反，优先怀疑是多重共线性，而不是直接接受结果。

4.3 从系数到标准分：评分尺度的核心公式

逻辑回归的系数出来之后，还差最关键的一步：把 odds 换算成标准分。评分卡的标准公式如下，按坏好比口径定义 odds：

Score = A - B * ln(odds) B = PDO / ln(2) A = base_score + B * ln(base_odds)

这里base_score是基准分，base_odds是基准坏好比例，PDO（Points to Double the Odds）表示 odds 翻倍时分数变化的点数。注意公式里是减号，所以风险越高、odds 越大，分数越低，符合评分卡「分数越高信用越好」的直觉。

一个常见参数设定是：基准分 600 分，基准坏好比 1:10，PDO=50。含义是当坏好比例从 1:10 变成 1:20 时（好事），分数增加 50 分；反过来风险翻倍时扣 50 分。代码实现如下：

base_score = 600 base_odds = 0.1 # 坏好比例 1:10 pdo = 50 B = pdo / np.log(2) A = base_score + B * np.log(base_odds) coef = model.params intercept = coef["const"] n_feat = len(feature_cols) score_maps = {} for col in feature_cols: score_maps[col] = {} for box, w in woe_map[col].items(): # 把截距平均分摊到每个特征，再算每个箱子的得分 score_maps[col][box] = -B * (coef[col] * w + intercept / n_feat) + A / n_feat

这段代码的核心是把总分公式拆解到每一个分箱，每个箱子算出一个独立的整数分贡献。把所有箱子贡献相加，正好等于整张评分卡的最终分数。这样交付时就能做成一张「查分表」：客户年龄落在哪箱、逾期次数落在哪箱，直接查表累加。

4.4 预测流程：输入一行特征，自动输出评分

模型训练完成后，写一个预测入口，输入特征数据，输出评分结果。这是资源中 score.py 的核心功能，也是交付时最常用的接口。注意分箱边界必须沿用训练时的 qcut 边界，不能重新计算。

def predict_score(row, model, woe_map, bin_edges, feature_cols): b = pdo / np.log(2) a = base_score + b * np.log(base_odds) total = a for col in feature_cols: val = row[col] if pd.isna(val): box = "MISSING" else: # 用训练时的边界切分，得到区间字符串 box = str(pd.cut([val], bins=bin_edges[col])[0]) total += score_maps[col].get(box, 0) return int(round(total))

这里多了一个bin_edges，是训练分箱时保存的边界数组。预测时先用pd.cut把新样本切进对应的箱子，再取该箱得分累加。如果新样本的值落在训练范围之外，pd.cut会返回 NaN，需要加一个兜底逻辑，否则get不到分数会把总分算错。

5. 常见坑与排查：环境、分箱边界与分数方向

5.1 环境冲突：pip 装包失败、vscode 里 import 报错

现象：pip install statsmodels装到一半报编译错误，或者代码在 vscode 里运行时报ModuleNotFoundError: No module named 'statsmodels'。

原因：最常见的是 Python 版本过高，比如直接用 3.12 跑老项目的依赖，statsmodels 老版本没有对应 cp312 的预编译包，只能现场编译，很容易失败；其次是 vscode 里选了全局解释器，项目装在虚拟环境里，解释器对不上。

解决：先建独立虚拟环境再装依赖，Python 版本控制在 3.8~3.10 之间最稳。

python -m venv score_env source score_env/bin/activate # Windows 用 score_env\Scripts\activate pip install pandas numpy scikit-learn statsmodels openpyxl

装完在 vscode 里按 Ctrl+Shift+P 选择 Python 解释器，选到 score_env 下的 python。如果默认源下载慢导致超时，把 pip 源切到国内镜像重装一次即可。

5.2 等频分箱报错：Bin edges must be unique

现象：跑pd.qcut时报ValueError: Bin edges must be unique，程序直接中断。

原因：等频分箱按分位数切分，但像NumberOfTimes90DaysLate这种计数特征有大量重复值，比如 80% 的样本都是 0，分位数切出来的边界重复，qcut 无法生成唯一区间。

解决：一个办法是在调用时加duplicates="drop"，让 qcut 自动合并重复边界，代价是实际分箱数会少于设定值。如果希望分箱数稳定，可以先用rank(method="first")把重复值打散再切，效果更可控。

temp["rank_col"] = temp[col].rank(method="first") temp["bin"] = pd.qcut(temp["rank_col"], q=10, duplicates="drop")

5.3 缺失值先填 0 再算 WOE，导致 IV 虚高

现象：把MonthlyIncome的缺失值直接 fillna(0) 后再分箱，结果收入最低的那个箱坏客户占比异常高，这个特征的 IV 比不处理时高出一大截。

原因：缺失值和真实的 0 收入是两回事。填 0 等于人为制造了一批「无收入」样本，分箱时它们集中掉进最低箱，箱内坏客户比例被虚假放大，WOE 和 IV 自然失真。

解决：缺失值单独成箱，不参与数值分箱。这是评分卡项目里处理缺失的标准姿势。WOE 编码本身就支持「缺失」作为一个独立水平进入模型，没必要提前填充。

5.4 评分方向反了：坏客户分数比好客户还高

现象：模型训练完，抽样几条数据预测，发现逾期客户的评分比正常客户高，和业务直觉完全相反。

原因：公式里 odds 口径没统一。如果ln(odds)用的是好/坏比例，而公式仍然是Score = A - B * ln(odds)，那风险越高 ln(odds) 越小，分数反而越高。

解决：统一按坏好比例定义 odds。训练完做一个方向性检验：对每个特征，把各箱的 WOE 和分数列出来，检查 WOE 越高分数是否越低。如果方向反了，把公式里的减号改成加号，或者在 odds 定义处取倒数，二选一，不要两个都改。

5.5 测试集预测结果对不上提交格式

现象：用测试集预测完，拼到 sampleEntry.csv 里发现顺序混乱，或者 Id 对不上，AUC 结果异常低。

原因：test 读进来后可能被重置过索引，也可能原始文件本来就乱序，直接按行拼接预测结果自然错位。

解决：预测前先把测试集的原始 Id 列保留，预测完按 Id 对齐再输出。最稳妥的做法是预测后做一次显式排序，而不是依赖内存顺序。

test["pred_score"] = test.apply(lambda r: predict_score(r, ...), axis=1) result = test[["id", "pred_score"]].sort_values("id") result.to_csv("pred_result.csv", index=False)

5.6 分箱过细导致 WOE 出现无穷值

现象：某个箱子好客户数量为 0，np.log(0)得到负无穷，distr_bad / distr_good分母为 0 得到 inf，后续训练直接报错或系数爆炸。

原因：分箱数设得太大，比如超过 20 箱，细尾箱样本量过小，坏客户或好客户可能出现 0 计数。

解决：分箱数控制在 5~10 之间；计算 WOE 时对占比做平滑处理，给分子分母同时加一个极小值，比如 0.5，避免除零。

6. 模型落地与验证：把评分卡从黑匣子变成交付物

模型训完只是第一步，交付才是重点。评分卡项目的交付物从来不是模型对象，而是一套能让业务方看懂、能复核的「分数表」。我通常会做两件事：把 score_maps 输出成 Excel 多 sheet 明细，把预测函数做成分数分布验证，确认评分的单调性。

输出 Excel 明细这一步非常实用。每个特征一个 sheet，列名包括分箱区间、好坏客户数、WOE、得分。这样风控同事可以直接看表格，看到「年龄 18~25 岁这段得分是 -12 分」，而不是对着系数发呆。这个表也是毕设报告里最好的附录材料。

with pd.ExcelWriter("scorecard_detail.xlsx", engine="openpyxl") as writer: for col in feature_cols: grouped = woe_1d(train, col, "SeriousDlqin2yrs", bins=10) grouped["score"] = grouped[col].map(score_maps[col]) grouped.to_excel(writer, sheet_name=col, index=False)

表格生成后还要做一次分数单调性验证。把训练集按预测分数从低到高切 10 段，统计每段坏客户占比。一段合格的评分卡，分数段从低到高，坏客户占比应该严格递减。如果中段出现反弹，优先检查分箱是否合理，尤其是有没有分箱数量过少导致的信息丢失。

train["pred_score"] = train.apply(lambda r: predict_score(r, model, woe_map, bin_edges, feature_cols), axis=1) train["score_bin"] = pd.qcut(train["pred_score"], q=10, duplicates="drop") check = train.groupby("score_bin", observed=True)["SeriousDlqin2yrs"].mean() print(check)

这个单调性检验做完，整张评分卡才算闭环。从那以后我每次做评分卡项目，都会强制走一遍这套验证流程：先看分数分布方向，再看分段逾期率单调性，最后才敢把结果交出去。这份资源把数据、脚本、文档都配齐了，按这条链路跑完一遍，你会对逻辑回归评分卡有一个完整且落地的认知，希望帮到你。

本文还有配套的精品资源，点击获取