跳转至

Release Notes

0.0.28

本版本将 deimos-rule 来源快照 e6714c5e795054e44f0c58ad7097668b4117b4a2 完整重设计为 Experimental mars.rule 模块，并随同一个 mars-risk wheel 发布。没有 deimos namespace、 Dm* 兼容别名或旧 RuleSet JSON 读取分支。

规则生成、验证与部署

  • 新增 mine_rules()、类型化筛选策略、五类生成器、固定长表评估、训练/验证隔离、切片稳定性、 精确与 IoU 去重、ranked / cascade 选择和完整候选淘汰审计。
  • 新增受限 DSL v2，明确区分 NULL 与浮点 MISSING(null/NaN)，并增加 schema 与资源预算 fail-closed 校验。表达式经过 AST 解析、规范化、重复条件简化和明显矛盾检测。
  • 新增严格 schema_version=1 RuleSet artifact、同类型 transform()、等级命中计数、按需交互与 累计分析，以及 HTML/Excel 报告。
  • cascade 每轮在剩余训练与验证人群重新生成、筛选和审计候选；模型生成器使用显式缺失指示器， 浅层树的 n_jobs 真实控制并行训练，Optuna 改用确定性分层 CV ROC AUC。
  • 新增 explore/production profile、exploratory/validated/temporally_validated 资格、Wilson Lift 保守界、单侧精确检验与 BH-FDR 生产硬门禁；探索 RuleSet 默认禁止部署 SQL。
  • 候选预算改为 seed 优先和生成器确定性轮询；IoU 使用批量压缩位图，切片评估使用单次分组聚合， 高级分析复用一次命中矩阵并支持可选 top-k bootstrap。
  • 高级分析恢复金额和客户维度的交互、累计与边际指标；报告新增结构化规则解释和 benchmark HTML 构造能力。44 项来源回归的迁移状态见Deimos Rule 迁移矩阵。
  • 组合生成器在 500 个数值特征时直接复用 MarsStatsSelector；LightGBM 和 Optuna 分别复用 [ml] 与 [tuning]，并保持延迟导入。

兼容性与来源

  • 公开入口仅为 mars.rule，不从根 mars 重复导出；模块状态为 Experimental。
  • Python 支持范围仍为 3.8–3.12；核心规则测试进入全部版本矩阵，可选后端在 Python 3.10 验证。
  • 来源和许可证记录见规则模块来源。旧 deimos-rule artifact 必须重新挖掘或 重新导出，不能直接载入。

0.0.27

本版本修正数据画像 PSI、nullable target 统计和统计筛选器空结果口径，并升级实验性的 缺失率异常扫描器。MarsMissingShiftScanner 仍不从 mars.analysis 顶层导出，本次配置与 结果 schema 调整属于有意的实验 API breaking change。

数据画像与筛选修正

  • 显式 benchmark_df 中的退化特征不再导致整份 PSI 画像失败；不可计算特征保留为 null PSI，并写入 diagnostics，其他特征继续计算。
  • profile_bin_performance() 排除 target 为 null/NaN 的未表现样本，再计算 count、 good/bad、WOE、IV、KS、AUC 和 Lift；全空标签给出明确错误。
  • MarsStatsSelector.fit() 允许零特征存活，保留漏斗与决策报告，不再调用 prune([])。
  • 普通趋势、PSI 和 unseen 画像删除 group_mean、group_var、group_cv，保留逐组值和 total。

缺失率异常扫描

  • 新增 MarsMissingShiftConfig，阈值和检测器配置不再作为 scan() 的扁平参数传递。
  • 同时支持 segment_shift、boundary、point、high_level，可准确定位首日或末日异常、 内部单日尖峰、持续分段变化和长期高缺失。
  • 统计候选统一经过最小效果门槛与 Benjamini-Hochberg 全局 FDR；小期望频数使用 Fisher 精确检验，其余使用两比例检验。
  • 低样本日期保留在长版 trend_table，但不参与检测，也不会跨日期桥接检测窗口。
  • 重叠检测证据合并为一个业务事件，并通过 detected_by 保留来源。
  • MarsMissingShiftResult 新增 Notebook 格式化表、趋势图和四表格式化 Excel 导出； trend_table 取代旧的宽版 missing_rate_table。

升级检查

  • 将缺失率扫描调用迁移到 MarsMissingShiftConfig，并改用 trend_table。
  • 如果业务需要识别扫描区间第一天的相对异常，优先提供扫描期之前的 benchmark_df； 没有 benchmark 时只能使用后续有效日期或绝对高缺失红线。
  • 持续高缺失默认红线为 90%，自然稀疏特征应通过 feature_high_missing_rate_thresholds 显式覆盖。

0.0.26

发布依赖补充 Jinja2>=3.1.2，确保默认安装即可使用基础报告、特征筛选器和 Pandas Styler 展示接口；Python 3.8 冻结栈使用 Jinja2 3.1.6 与 MarkupSafe 2.1.5。

该版本将基础包的运行范围扩展到 Python 3.8–3.12，并对 Analysis、Feature 和 Reporting Stable API 执行 fail-closed 收口。本版本包含明确的 API、报告和序列化 breaking changes， 升级前必须按本页的迁移清单核对。

Python 与依赖兼容

  • Python 3.8 固定使用 Polars 1.8.2，并将 scikit-learn 限制在 1.3.x；仓库通过 constraints/python38.txt 固定验证栈。Windows 环境固定 OSQP 1.0.4，避免旧 0.6.x 在 Polars 已加载后导入时的原生库崩溃。
  • Python 3.9 使用现代 Polars 与 scikit-learn 1.6.x；Python 3.10–3.12 延续当前现代依赖。
  • Python 3.8 已停止官方安全维护。MARS 的兼容承诺仅表示冻结栈可以运行，不延长解释器的 安全支持周期。
  • ml、tuning、notebook、docs 和 dev extras 要求 Python 3.10+；Python 3.6、3.7 以及 3.13+ 不在本版本支持范围内。

实现与结果口径

  • 新增内部 Polars 兼容层，统一 membership 与 streaming collect 的跨版本差异。
  • KS/AUC 的前一累计分布改为“当前累计值减当前箱分布”，以兼容 Polars 1.8 的窗口表达式 限制；指标结果与现代 Polars 保持一致。
  • Python 3.8 语言兼容改造本身只涉及注解求值、dataclass、zip 和字符串后缀处理， 不改变业务算法；本版本的 Stable API 与 artifact 变更单独列在下文。
  • 特征筛选的监督指标和 WOE 相关性只使用 target 非空的已表现样本；质量、分布和 PSI 仍 使用全量样本。
  • Optimal Binner 的失败特征统一批量回退到 Native Binner，避免随失败特征数增长的重复拟合。
  • profile_stats() 与 MarsDataProfiler.generate_profile() 新增 benchmark_df：基准样本只负责 PSI 分箱和 expected distribution，不进入当前数据的质量与统计指标；未分组时可直接输出 当前全量相对 benchmark 的 total PSI。
  • 数据画像删除 sample_frac 参数。抽样改由调用方在传入前显式完成；仍传该参数的旧调用会 收到 Python 标准 TypeError，升级时应删除参数并在外部准备抽样 DataFrame。

Stable API 与报告加固

  • Binner transform() 新增 features 和 on_missing，默认要求全部规则列齐全；Selector transform() 使用相同的严格缺列策略。update_bins()、prune() 和 get_bin_mapping() 不再静默忽略未知特征。
  • 三种 Binner 新增固定 schema 的 get_fit_report()。合法 fallback 可继续，真正无规则的 特征标为 failed，全部失败终止。
  • to_dict() / from_dict() 改为 schema_version=1 的自描述 artifact，新增 save_json() 和 MarsBinnerBase.load_json()。旧 {params, state} 载荷不兼容，必须重新拟合或导出。
  • WOE transform/SQL 必须具备完整 WOE 映射；SQL 类别值使用安全引号转义。
  • 报告级指标列缺失会终止；单特征空值、NaN 或 Inf 指标以 metric_unavailable 淘汰并记录。MarsImportanceSelector 删除未实现的 rfe / sfm 公开选项。
  • Excel、HTML、JSON 写入、资源读取和空报告导出失败现在会显式抛异常；Binning HTML 如需图表，任一图表构建失败会使导出失败，可显式使用 include_charts=False。

画像对比能力

  • profile_stats() 和 generate_profile() 新增 categorical_features，使整数编码类别同时进入 unseen 与类别 PSI 口径。
  • 新增显式 schema 和 unseen metrics，不加入默认指标。Schema 表区分两侧列存在性、 兼容和不兼容 dtype 变化；unseen 排除缺失与特殊值，输出 total 与分组趋势。
  • MarsProfileReport 新增 comparison_tables、report_meta 和自包含交互式 write_html()。 Profile Excel 新增 Metadata 和 comparison 工作表。
  • ProfileData 从三字段扩展为四字段，位置解包调用需增加 comparisons。

发布与工程门禁

  • 普通 CI 和 Release 均只构建一次 wheel/sdist，静态核对版本、Python 范围、依赖 marker、 py.typed、Excel 模板和 dist-info，再运行 twine check。
  • 同一 wheel 会在 Python 3.8 与 3.12 全新环境中独立安装，并验证递归导入、profile_risk、 selector、Pandas Styler、Excel/HTML 报告和安装后的模板资源；发布 job 不再重新构建。
  • Mypy 固定为 1.13.0，并以 Python 3.8 为统一目标检查全部 src/mars；业务模块 override 与 源码 type: ignore 已清零，第三方动态边界通过显式类型收窄处理。

升级检查

  • Python 3.8 环境按约束文件重建，不要在已有环境中强制覆盖整套依赖。
  • 使用可选建模或文档依赖时升级到 Python 3.10+。
  • 使用数据画像内部抽样的调用，改为先对 DataFrame 显式抽样，再调用 profile_stats() 或 generate_profile()。
  • 将 Binner 旧 dict/JSON 载荷全部用 0.0.26 重新拟合或 save_json() 导出。
  • 将依赖缺列静默忽略的 Binner/Selector 调用改为显式 features 或 on_missing。
  • 将 ProfileData 的三元素解包改为四元素，并移除 Importance Selector 的 rfe / sfm 配置。
  • 发布前同时验证 Python 3.8 冻结栈、Python 3.9 依赖边界和 Python 3.10–3.12 现代栈。

0.0.24

从当前公开版本 0.0.21 升级到 0.0.24 时，重点核对分析报告链路、基准样本语义、 趋势图时间范围、HTML 大报告和 Modeling/Pipeline 契约。

用户可见变化

  • profile_risk() 返回 MarsRiskProfile，同时提供 report、binner、targets 和 metadata。
  • benchmark_df 统一用于基准期分箱和 PSI expected distribution，不进入当前期 Total。
  • MarsStatsSelector.fit() 支持 benchmark_df，筛选指标仍在当前 df 上计算。
  • 风险趋势图的时间范围只来自有效 time_col；group_col 只负责面板分组。
  • HTML 报告支持可检索视图、图表数量控制、图片资产模式和懒加载。
  • Modeling/Pipeline 增加结果对象、replay、artifact 和多 target 评估能力，状态仍为 Experimental。

升级检查

  • 将旧代码中直接假定 profile_risk() 返回 report 的访问改为 risk_profile.report。
  • 使用固定分箱规则时改用 MarsBinEvaluator.evaluate(..., binner=...)。
  • 生成趋势图或 Charts HTML 前显式提供有效 time_col。
  • 使用 MarsStatsSelector 默认 PSI/RC 阈值时提供 group_col 或 time_col；静态筛选应显式关闭 对应阈值。
  • 升级 Modeling/Pipeline 后重新核对结果字段和 artifact 路径。

发布状态

本页随 0.0.28 源码维护。版本发布前，main 站点内容仅作为预览；PyPI 发布和 release tag 通过版本一致性检查后，安装命令才表示正式可用。