Metadata-Version: 2.1
Name: mksc
Version: 3.0.0
Summary: It is used to quickly build a scorecard project and dichotomy model package.
Home-page: https://github.com/HelloCoyen/mksc.git
Author: wuhaoyu
Author-email: wuhaoyu96@163.com
License: UNKNOWN
Description: # Make Scorecard(mksc)
        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`docs\instruction.md`
        
        ## 1. 安装工具包
        ```
        pip install mksc
        ```
        
        ## 2. 创建项目
        命令行工具创建项目
        ```
        mksc project_name
        ```
        
        ## 3. 修改项目配置
        修改`project_name\config\configuration.ini`文件，进行项目配置
        
        
        ## 4. 探索性数据分析
        进行探索性数据分析`python project_name\eda.py`  
        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`
        
        ## 5. 修改特征配置
        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
        
        ## 5. 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。
        
        ## 6. 训练模块
        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
        
        ## 7. 评分卡与模型调整
        如果训练逻辑回归模型可选制作评分卡
        
        ## 8. 模型应用与预测
        `python project_name\preict.py`
Platform: UNKNOWN
Classifier: Programming Language :: Python :: 3
Classifier: License :: OSI Approved :: MIT License
Classifier: Operating System :: OS Independent
Requires-Python: >=3.4
Description-Content-Type: text/markdown
