风险控制建模工具箱，包括建立记分卡/机器学习模型的分散功能。
rcmf的Python项目详细描述
Risk control modeling framework（风控建模工具集）
声明：工具箱为风控建模过程提供支持，因工作紧迫暂于23Feb19停更；感谢jiangchao8@jd & huyao3@jd为这些积累提供若干支持
最新Note：
- 整个工具箱已做完re-view：包括每个模块其他语言的double-check、每个模块参数名称标准化
- 2.2.2 Chi2_merge.py模块可以使用，但还需修改
- Example.x为测试实例，可参照（！！实际项目中的特征名和数据等保密信息已做处理！！）
- Pypi:https://pypi.org/project/rcmf/
需更新：
- 特征筛选部分没有落地，仍在整理中，包括：集成模型筛选方法、逻辑回归L1正则化
- vintage、迁移率、pmml等
- 3个使用示例最好生成MD，增加可读性
- 2.2.2 Chi2_merge.py：去除卡方分箱的“最优分箱组数”判定，添加卡方值阈值约束
- 特征筛选：逐步回归
更新日志：
29Dec2018
- 添加特征筛选部分（2.x）：包含特征稳定性（PSI from *Yao）、特征共线性（方差膨胀因子和相关性矩阵）
- Data_Explore.py：去除相关性矩阵、对分布图拼接按照4维或9维子图展示
- 4.1 Model performance.py：添加准召图
更新日志：
13Jan2019
- 2.2.2 Cut_merge.py：① 优化分箱过程，直接从pd.cut解析结果； ② 优化从分箱数据集至WOE数据集的映射逻辑； ③ 将WOE计算并入分箱程序
- 4.1 Model performance.py：① 利用sklearn中混淆矩阵函数加快计算； ② 添加3线图（准确率、召回率、F1-Score）
更新日志：
25Jan2019
- 2.x Collinearity.py：相关性计算部分的热力图展示，可以控制哪些特征用于绘图；例如可以abs(corr) > 0.8的特征，或者是按相关性排序后取前20个特征
- 3.x PDO_Score_Convert.py：放活odds定义，如不定义，则按照如下规则计算：对train数据集计算ks切点，取切点的百分位点区间内的所有y_label，计算好坏比
- RCMF使用说明：完成初版
更新日志：
10Jun2019
- 已为全部脚本更新help
- Data_Explore.py：更新计算方式，更新数值型特征的自定义分布，更新伪字符型变量（99%都是数值的字符型变量）分布探索
欢迎加入QQ群-->： 979659372
