Examples

(Esto habría que traducirlo al inglés digo yo...)

Información

Los ejemplos pueden encontrarse en formato .ipynb y .html en el siguiente enlace. También se encuentran los datasets necesarios y algún otro archivo .xlsx o .csv que se genera.

Recomiendo descargarlos para ir viendo como se ejecuta el código. Pongo el primero de ellos en esta documentación al ser un ejemplo ilustrativo con lo más básico.

Ejemplo sencillo

En este notebook se muestra la clase autoscorecard aplicada en un dataset de juguete.
En este dataset la variable objetivo está muy correlada con el resto de variables

Importamos los módulos

import numpy as np, pandas as pd, pyken as pyk

Cargamos el dataset separando las variables predictoras de la variable objetivo

from sklearn.datasets import load_breast_cancer as lbc
X, y = pd.DataFrame(lbc().data, columns=lbc().feature_names), lbc().target

Echamos un vistazo al dataset

X[X.columns[:10]].head()

No es buena práctica tener espacios en los nombres de las columnas, mejor ponemos guiones bajos

X.columns = [i.replace(' ', '_') for i in X.columns]

Aplicamos la clase autoscorecard para sacar el modelo automático

modelo1 = pyk.autoscorecard().fit(X, y)

Particionado 70-30 estratificado en el target terminado
------------------------------------------------------------------------------------------------------------------------------------------------------
Autogrouping terminado. Máximo número de buckets = 5. Mínimo porcentaje por bucket = 0.05
------------------------------------------------------------------------------------------------------------------------------------------------------
Step 01 | Time - 0:00:00.359722 | p-value = 4.93e-32 | Gini train = 83.97% | Gini test = 87.30% ---> Feature selected: mean_concavity
Step 02 | Time - 0:00:00.392056 | p-value = 1.38e-14 | Gini train = 96.82% | Gini test = 97.24% ---> Feature selected: worst_perimeter
Step 03 | Time - 0:00:00.405165 | p-value = 4.31e-06 | Gini train = 98.34% | Gini test = 98.07% ---> Feature selected: worst_texture
Step 04 | Time - 0:00:00.577206 | p-value = 5.11e-04 | Gini train = 98.92% | Gini test = 97.06% ---> Feature selected: worst_smoothness
Step 05 | Time - 0:00:00.706235 | p-value = 1.62e-03 | Gini train = 99.34% | Gini test = 98.51% ---> Feature selected: radius_error
Step 05 | Time - 0:00:00.000000 | p-value = 1.54e-02 | Gini train = 99.25% | Gini test = 98.22% ---> Feature deleted : mean_concavity
Step 06 | Time - 0:00:00.691006 | p-value = 2.28e-03 | Gini train = 99.60% | Gini test = 98.77% ---> Feature selected: worst_concavity
------------------------------------------------------------------------------------------------------------------------------------------------------
Ya ninguna variable tiene un p-valor < 0.01, detenemos el proceso
------------------------------------------------------------------------------------------------------------------------------------------------------
Selección terminada: ['worst_perimeter', 'worst_texture', 'worst_smoothness', 'radius_error', 'worst_concavity']
------------------------------------------------------------------------------------------------------------------------------------------------------
El modelo tiene un 95.55% de KS y un 99.60% de Gini en la muestra de desarrollo
------------------------------------------------------------------------------------------------------------------------------------------------------
El modelo tiene un 95.63% de KS y un 98.77% de Gini en la muestra de validación
------------------------------------------------------------------------------------------------------------------------------------------------------

Pintamos la scorecard con colorines

pyk.pretty_scorecard(modelo1)

	Variable	Group	Count	Percent	Goods	Bads	Bad rate	WoE	IV	Raw score	Aligned score
0	worst_perimeter	(-inf, 91.69)	167	0.419598	2	165	0.988024	-3.888550	2.513895	5.210485	-48
1	worst_perimeter	[91.69, 102.05)	58	0.145729	5	53	0.913793	-1.836605	0.327313	2.460970	32
2	worst_perimeter	[102.05, 114.65)	52	0.130653	23	29	0.557692	0.292447	0.011524	-0.391866	114
3	worst_perimeter	[114.65, inf)	121	0.304020	118	3	0.024793	4.196321	3.295360	-5.622885	265
4	worst_texture	(-inf, 23.35)	159	0.399497	19	140	0.880503	-1.472955	0.635759	2.334961	35
5	worst_texture	[23.35, 28.24)	112	0.281407	54	58	0.517857	0.452790	0.060160	-0.717772	123
6	worst_texture	[28.24, 29.23)	20	0.050251	5	15	0.750000	-0.574364	0.015058	0.910494	76
7	worst_texture	[29.23, 31.17)	31	0.077889	26	5	0.161290	2.172907	0.338269	-3.444541	202
8	worst_texture	[31.17, inf)	76	0.190955	44	32	0.421053	0.842702	0.142667	-1.335871	141
9	worst_smoothness	(-inf, 0.10)	34	0.085427	1	33	0.970588	-2.972259	0.372255	6.443867	-83
10	worst_smoothness	[0.10, 0.13)	130	0.326633	33	97	0.746154	-0.553955	0.091418	1.200976	68
11	worst_smoothness	[0.13, 0.14)	63	0.158291	11	52	0.825397	-1.029100	0.137566	2.231092	38
12	worst_smoothness	[0.14, 0.16)	114	0.286432	60	54	0.473684	0.629609	0.119251	-1.364995	142
13	worst_smoothness	[0.16, inf)	57	0.143216	43	14	0.245614	1.646391	0.386146	-3.569382	206
14	radius_error	(-inf, 0.24)	111	0.278894	6	105	0.945946	-2.337952	0.887158	3.846413	-8
15	radius_error	[0.24, 0.41)	152	0.381910	35	117	0.769737	-0.682577	0.158026	1.122980	70
16	radius_error	[0.41, 0.48)	32	0.080402	23	9	0.281250	1.462518	0.174633	-2.406144	172
17	radius_error	[0.48, 0.56)	26	0.065327	12	14	0.538462	0.370098	0.009282	-0.608887	120
18	radius_error	[0.56, inf)	77	0.193467	72	5	0.064935	3.191477	1.488781	-5.250637	254
19	worst_concavity	(-inf, 0.21)	182	0.457286	4	178	0.978022	-3.271241	2.240711	2.492782	31
20	worst_concavity	[0.21, 0.26)	39	0.097990	12	27	0.692308	-0.286682	0.007717	0.218460	96
21	worst_concavity	[0.26, 0.29)	20	0.050251	14	6	0.300000	1.371547	0.096824	-1.045159	133
22	worst_concavity	[0.29, 0.38)	53	0.133166	26	27	0.509434	0.486508	0.032925	-0.370734	113
23	worst_concavity	[0.38, inf)	104	0.261307	92	12	0.115385	2.561131	1.469120	-1.951657	159

El modelo tiene una hoja de cálculo con la scorecard pintanda con los formatos adecuados.

modelo1.save_excel('scorecard_ejemplo01.xlsx')