Outputs e diagnóstico

O que aparece depois do fit

Depois de ajustar um Binner, a API pública expõe artefatos mais amigáveis para inspeção:

• binning_table()
• feature_binning_table() e get_binning_table()
• summary()
• score_details()
• score_table()
• report()
• audit_table()
• diagnostics()
• plot_stability()
• plot_bad_rate_over_time()
• plot_bad_rate_heatmap()
• plot_bin_share_over_time()
• plot_score_components()
• export_binnings_json()
• export_bundle()

Também ficam disponíveis atributos pós-fit úteis, como:

• binning_table_
• summary_
• score_details_
• score_table_
• audit_table_
• report_
• metadata_
• score_
• comparison_score_

binning_table()

Use quando quiser ver os cortes ou bins finais de forma direta.

Perguntas que ela ajuda a responder:

• quantos bins ficaram?
• quais intervalos ou grupos foram formados?
• qual é a ordem dos bins?

score_table()

É a tabela mais curta para notebook quando a pergunta central é:

• por que esse score saiu assim?
• quais pesos entraram?
• quais componentes pesaram mais?
• qual normalização está ativa?

Ela expõe:

• objective_score
• objective_preference_score
• weight_profile
• normalized_component_profile
• raw_component_profile
• colunas detalhadas objective_weight_*, objective_norm_* e objective_raw_*

audit_table()

É a tabela mais útil para revisão auditável e model risk.

Ela combina em uma única visão:

• cortes
• IV e score temporal
• score e penalidades
• cobertura, bins raros e reversões
• rationale resumido

diagnostics()

Use diagnostics(kind="bin") quando quiser abrir o detalhe por bin e período.

Use diagnostics(kind="variable") quando quiser o resumo temporal agregado por variável.

É a melhor porta para investigar:

• cobertura
• volatilidade de event rate
• volatilidade de WoE
• share dos bins
• reversões de ranking
• quebras de monotonicidade

metadata_

O metadata pós-fit agora é mais auditável.

Ele inclui:

• versão do riskbands
• strategy
• score_strategy
• normalization_strategy
• woe_shrinkage_strength
• pesos informados e pesos efetivos
• target_name
• time_col
• features ajustadas

Export auditável

export_binnings_json(path)

Gera um JSON único com:

• metadata geral do fit
• pesos do score
• bins por feature
• resumo, score details e auditoria por feature

export_bundle(path)

Gera um pacote de auditoria com:

• JSON legível
• CSVs prontos para notebook ou governança
• tabelas por feature
• Parquet opcional quando houver engine disponível

Leitura rápida do score

Uma regra simples:

• legacy: score bruto maior é melhor
• stable: score bruto menor é melhor

Se quiser uma régua consolidada para comparação entre estratégias, olhe também objective_preference_score.

Exemplo

binner.fit(df, y="target", column="score", time_col="month")

table = binner.binning_table()
score_table = binner.score_table()
audit_table = binner.audit_table()

binner.export_binnings_json("artifacts/riskbands_binnings.json")
binner.export_bundle("artifacts/run_2026_04_14")