MARS¶

MARS 是面向信用风控宽表分析、分箱评估、特征筛选、建模和监控的 Polars-first Python 工具库。它接受 Pandas 或 Polars 数据，并返回可继续读取和加工的结构化 report 对象。

安装最小风险评估

pip install mars-risk==0.0.28

import polars as pl

from mars.analysis import profile_risk

df = pl.DataFrame(
    {
        "apply_dt": [
            "2026-01-03",
            "2026-01-10",
            "2026-01-17",
            "2026-01-24",
            "2026-02-03",
            "2026-02-10",
            "2026-02-17",
            "2026-02-24",
            "2026-03-03",
            "2026-03-10",
            "2026-03-17",
            "2026-03-24",
        ],
        "month": ["2026-01"] * 4 + ["2026-02"] * 4 + ["2026-03"] * 4,
        "income": [
            3200,
            3600,
            -999,
            None,
            3300,
            4200,
            -999,
            5800,
            3400,
            4300,
            None,
            6100,
        ],
        "utilization": [
            0.12,
            0.18,
            0.52,
            0.61,
            0.14,
            0.29,
            0.54,
            0.58,
            0.16,
            0.31,
            0.56,
            0.63,
        ],
        "segment": [
            "new",
            "repeat",
            "vip",
            "vip",
            "new",
            "repeat",
            "vip",
            "vip",
            "new",
            "repeat",
            "vip",
            "vip",
        ],
        "target": [0, 0, 1, 1, 0, 1, 1, 1, 0, 1, 1, 1],
    }
)

risk_profile = profile_risk(
    df,
    target="target",
    features=["income", "utilization", "segment"],
    group_col="month",
    time_col="apply_dt",
    binning_type="native",
    method="quantile",
    n_bins=4,
    missing_values=[-999],
    special_values=[-999],
    psi_include_missing=False,
    psi_include_special=False,
)

report = risk_profile.report
summary = report.summary_table
binner = risk_profile.binner

risk_profile.report 提供汇总、分箱明细和趋势表；risk_profile.binner 保存本次拟合的分箱规则。完整说明见10 分钟 Quickstart。

从任务开始¶

检查数据质量 缺失、特殊值、分布、PSI 与分组趋势 MarsDataProfiler

评估特征风险 分箱、IV、KS、AUC、Lift、PSI 与风险趋势 profile_risk / MarsBinEvaluator

筛选候选特征 质量、区分度、稳定性、相关性与重要性 MarsStatsSelector

训练与复现实验 样本切分、调参、replay、WOE 与 Pipeline Experimental

监控特征或模型 分布漂移、缺失趋势、表现覆盖率与报警摘要 Experimental

交付报告或评分卡 Excel、HTML、结构化表、评分映射与 SQL Reporting Stable / Scoring Experimental

入口怎么选¶

目标	推荐入口	主要输出
数据质量与分布检查	`MarsDataProfiler.generate_profile()`	`MarsProfileReport`
一次性风险评估	`profile_risk()`	`MarsRiskProfile`
固定分箱规则评估	`MarsBinEvaluator.evaluate()`	`MarsRiskProfile`
统计、线性或重要性筛选	`MarsStatsSelector` 等	特征列表与筛选报告
周期分布与表现监控	`MarsMonitor.monitor()`	`MarsMonitoringReport`
建模与实验复现	`MarsModelingSession` / `MarsModelingPipeline`	建模结果与 artifact

稳定性¶

Analysis、Feature、Reporting 是当前 Stable 模块。Rule、Monitoring、Modeling、Pipeline、Scoring 为 Experimental：受控生产流程应固定精确版本，并为关键结果和导出产物增加契约回归。完整规则见稳定性与兼容性。

版本

本站面向 MARS 0.0.28。该版本正式发布前，安装命令仅用于文档预览验收，不能作为已发布 PyPI 包的可用性证明。