Pular para o conteúdo

Exemplos

Porta de entrada recomendada para aprender o RiskBands com um fluxo familiar de pandas e sklearn.

Esse material mostra:

  • fit(df, y="target", column="score", time_col="month")
  • transform(df["score"])
  • summary()
  • binning_table()
  • score_details()
  • diagnostics()
  • comparação entre standard e stable

Esse fluxo mostra score_table(), audit_table(), export JSON/bundle e plots públicos para leitura temporal.

Use estes scripts quando a pergunta principal for como tratar missing values de forma auditável sem imputação opaca.

Eles mostram:

  • missing_policy="standard"
  • missing_policy="separate_bin"
  • missing_policy="forbid"
  • missing_policy="merge" com nearest_event_rate
  • missing_policy="merge" com nearest_woe
  • missing_profile_
  • missing_decision_log_
  • missing_merge_candidates_
  • bundle com campos de missing policy e missing merge
  • guarda opcional para PySpark
  • Spark sampled-to-pandas para missing merge quando o extra Spark esta disponivel
  • caveats de amostragem em validacao, bundle e audit report
  • comparação entre standard, separate_bin, forbid, merge + nearest_event_rate e merge + nearest_woe
  • exemplo sintético de risco de crédito sem dados reais

Esse fluxo mostra:

  • dataset sintético pequeno;
  • missing_policy="merge";
  • missing_merge_criterion="nearest_event_rate";
  • export_audit_report("audit_report.html");
  • export_bundle("bundle") com audit_report.html incluído por padrão;
  • caminhos dos arquivos gerados sem abrir navegador automaticamente.

Use este material quando a pergunta principal for por que um candidato com IV agregado mais forte ainda pode ser a escolha errada para crédito quando o tempo entra na decisão.

  1. Notebook sintético com Plotly
  2. Quickstart
  3. Auditoria e plots
  4. Visão geral da API
  5. Missing policy
  6. Relatório de Auditoria do Binning
  7. PD vintage champion challenger
  8. Benchmark PD vintage
  1. Por que RiskBands
  2. Por que não usar apenas OptimalBinning
  3. Benchmark PD vintage
  4. Como ler os graficos