定义了多种分箱，也便于做单变量分析。决策时分箱，自定义阈值分箱等等。

梯度提升决策树（Gradient Boosting Decision Tree，GBDT）算法是近年来被提及比较多的一个算法，这主要得益于其算法的性能，以及该算法在各类数据挖掘以及机器学习比赛中的卓越表现，有很多人对GBDT算法进行了开源代码的开发，比较火的是陈天奇的XGBoost和微软的LightGBM

基于逻辑回归完成信用评分卡建模任务.zip

数据集字段含义 obs_mth是时间 bad_ind是标签，0为无逾期，1为曾经有逾期 uid是用户编码 ，每个用户有唯一编码 其余10个特征为匿名化处理特征 带有时间节点的某贷款产品数据，可以用于构建贷前风险控制模型以及评分卡

分享课程——Python信用评分卡建模（附代码），完整版附数据资料下载

适合入门学习风控 海外风控 风控策略操作文档

网络上搜集的一些python信用评分卡代码，供大家参考，谢谢！ 评分卡是信用风险评估和互联网金融领域常用的建模方法，并不简单对应于某种机器学习算法，而是一种通用建模框架。其原理是先将分箱后的原始数据进行特征工程变换，再使用线性模型建模。 评分卡建模理论通常适用于信用评估领域，例如信用卡风险评估和贷款发放业务。在其它领域，评分卡建模也可以作为分数评估，例如客服质量打分和芝麻信用打分。

制作评分卡时用到的数据card.csv

05逻辑回归与评分卡资料与代码.7z

DataScience：风控场景之金融评分卡模型构建—将逻辑回归LoR模型结果转为评分卡之详细攻略 金融评分卡模型构建—将逻辑回归LoR模型结果转为评分卡 1、模型结果转换为标准评分卡步骤 2、实际案例应用 金融评分卡模型构建—将逻辑回归LoR模型结果转为评分卡 1、模型结果转换为标准评分卡步骤 借助逻辑回归模型，评分卡所设定的分值刻度，可通过将分值表示为比率对数的线性表达式来定义。 在建立评分卡模型时，我们经常会使用逻辑回归来对数据进行建模。但在用逻辑回归进行预测时，逻辑回归返回的是一个概率值，并不是评分卡分数。下面为大家介绍如何将模型结果转换为标准评分卡。