快速构建二分类模型,标准化特征工程以及拓展制作评分卡,文件说明见

pip install mksc

命令行工具创建项目

mksc project_name

修改project_name\config\configuration.ini文件，进行项目配置

主要配置数据源信息，使用URI链接远程数据库，SQL查询数据或者本地文件

完成上诉配置后，初始化程序python project_name\main.py

先执行探索性数据分析，生成：

• 数据报告： project_name\result\report.html

• 抽样数据： project_name\result\sample.xlsx

• 特征配置： project_name\config\variable_type.csv

断点跳开后，对生成的数据描述文件进行配置，见下一步

修改project_name\config\variable_type.csv文件，进行特征配置，配置列说明如下：

• isSave：变量是否保留进行特征工程
  • 取值：0-不保留；1-保留
• Type: 变量类型
  • 取值： numeric-数值类型；category-类别类型；datetime-日期类型；label-标签列
• Default: 原始数据设定的默认值，该值会在后面的工程中替换成空值

完成配置后，可以选择自定义数据清洗： 编写自定义数据清洗与特征组合过程函数project_name\custom.py。自定义过程封装在Custom类中，定义了2个静态方法，clean_data用于处理行方向的数据与值修改，feature_combination用于扩展列。

也可以默认数据清洗，直接回到断点键入c，开始自动化特征工程。特征工程完毕，将会生成本地文件project_name\result\feature_engineering.pickle

完成以上配置后，执行特征工程feature_engineering类，models目录下通过模型模板训练 模型结果、特征工程结果均置于project_name\result下.
至此完成二分类项目构建

如果训练逻辑回归模型可选制作评分卡，构建函数为mksc.score.score.main

python project_name\preict.py