从问题选择实战案例¶
数据画像 · 分箱评估 · 特征筛选 · 相关性分析 · 模型分交叉 · 规则挖掘。 从 Home Credit 两张 application 表开始，先检查质量，再评估与筛选特征、发现并验证规则，最后保存和交付分析结果。 每个案例提供人工可读的结果、可运行代码和 Agent 查询证据，方便替换成自己的数据继续分析。
03 · 特征筛选 · 相关性分析
为什么保留这个，删除另一个？¶
候选、步骤与取舍审计；raw 与目标感知 WOE 分开读取。
| Stats 候选→保留 | Linear 候选→保留 |
|---|---|
| 119 → 26 | 11 → 10 |
07 · 公共报告交付
同一次分析，如何交付给不同使用者？¶
HTML、静态 Excel、快照、有限 JSON 和外部 Agent TXT 的真实边界。
| 实际格式数 | Excel 与快照一致 |
|---|---|
| 5 | True |
先看产物能力，再选择格式¶
按接收方选择格式：人工阅读用 HTML／Excel，高清图用于汇报，完整快照用于跨进程查询。 案例 6/7 复用已有报告和共享包。 文件目录、大小、哈希和同批报告身份见manifest.json。
| 案例 | 报告／真实结果 | HTML | 静态 Excel | .marsreport | 有限 JSON / TXT |
|---|---|---|---|---|---|
| 1 数据能否使用 | MarsProfileReport；案例侧 schema/未见类别前置检查 | profile.html | profile.xlsx | profile.marsreport | case-1.json |
| 2 区分度与稳定性 | MarsBinningReport | binning.html | binning.xlsx | binning.marsreport | case-2.json |
| 3 筛选与相关性 | 真实 selector 决策；raw / WOE CorrelationReport | correlation.html | selection.xlsx / correlation.xlsx | raw-correlation / woe-correlation | case-3.json / selection.json |
| 4 辅助分交叉 | ScoreCrossReport；已有 policy 聚合回放 | score-cross.html | score-cross.xlsx / policy.xlsx | score-cross / policy | case-4.json |
| 5 候选规则证据 | MarsRuleReport（Experimental） | rules.html | rules.xlsx | rules.marsreport | case-5.json；RuleSet 仅在真实资格允许时 |
| 6 保存后查询 | 复用分箱 ReportSnapshot | 复用 | 复用 | 复用 | case-6.json / agent-context.json |
| 7 多种交付 | 复用同批报告与导出 | 复用 | 复用 | 复用 | case-7.json / external-agent-task.txt |
输入、五分区与指标¶
本批保留 Home Credit 两张 application 表的全部 356,255 条记录。TARGET 来自原比赛训练表，比赛测试表的 48,744 条记录保持 null。APPLY_DATE 是按 ID 稳定散列生成的演示日期。0train 用于拟合和 PSI 基准，1val 用于验证或筛选，2test 与 3oot 用于固定结果的独立复核，4_oot_undue 仅表示比赛未公开标签。日期、元数据和角色映射见输入方案与分区说明。
所有字段仍使用官方英文 ID，中文显示名与官方定义随报告保存。金额角色 AMT_CREDIT 默认从候选 fcols 排除，币种未公开。完整候选与展示子集、输入 SHA256、准备版本和实际分区见 manifest。 Bad Rate 为比例，KS 为 0–100；IV、PSI 和 Lift 无量纲。全样本分布与已观测标签指标分别取适用分母，未观测不补零。
运行与下载¶
MARS 0.0.28 已发布到 PyPI。核心案例无需 API Key、LLM 或模型训练 extra。 先登录 Kaggle 官方页面，自行确认并接受适用条款，再下载指南列出的三个 CSV。数据仅保留本地，不在项目 MIT 许可下再分发。
git clone https://github.com/leeesq/mars-risk.git
cd mars-risk
python -m pip install -e ".[docs]"
python docs/snippets/task_cases.py --case all --data-dir examples/home-credit-2018/data/raw_data --output-dir output/task-cases
完整共享源码 · 共享数据 helper · 当前案例下载 · 真实摘要 · 生成环境
下载包在仓库外解压可直接加载快照查询；重新计算需要三个原文件。两类验收分别运行，公开 CI 不访问 Kaggle、不下载原数据。
python scripts/check_case_assets.py --mode public --site-dir site
python scripts/check_case_assets.py --mode recompute --data-dir examples/home-credit-2018/data/raw_data
公开模式验证哈希、快照、状态、引用、导出与显示一致，不能证明原始成员全部复算。完整复算核对输入指纹、准备、规则成员与业务统计。报告身份和时间戳允许变化，字段、阈值、实际依赖和数值差异不忽略。 轻量临时 CSV fixture 只验证行为，不能代替全量结果。