SuperAPI AI 工具集

univariate-analysis

数据与分析

查看项目

更新于 10-15 19:55

技能介绍

单变量分析(portable)基于 scripts/analyzer.py 主脚本,对指定特征进行单变量级别的分布分析或预测力评估。

用途与模式:无目标变量时进入数据探索模式,输出分布分析、交叉分布;有目标变量时进入特征筛选模式,输出 IV 值、分箱表与筛选建议。

主要参数:--data_path(必选,parquet/csv 路径)、--features(必选,逗号分隔或 all)、--target(可选,有则进入筛选模式)、--exclude_cols、--binning_method(quantile 等频 / distance 等距,默认 quantile)、--n_bins(默认 10)、--cross(两个特征交叉)、--output、--output_dir(默认 ./outputs/<ts>)、--config。

执行方式示例: python scripts/analyzer.py --data_path ./data.parquet --features "age,income,score" --output_dir ./outputs/uni_run 加 --target y_label 进入特征筛选模式;加 --cross "age,income" 做交叉分布。

报告结构:探索模式含数据概览、基础统计、分布分析(分箱表+柱状图)、交叉分布、数据质量标记;筛选模式含数据概览、基础统计、IV 值分析、数据质量标记、筛选建议。

分箱说明:等频按分位数划分,适合分布不均匀数据;等距按数值区间等间隔划分,适合分布均匀数据。缺失值单独一箱标记 Missing,零值占比 >5% 时单独一箱,存在负数时单独处理。

限制:建议单次分析不超过 50 个特征;数据量少时建议 5 箱;交叉分布仅支持两个特征;IV 计算需目标变量为 0/1 二分类。产物保存到 <output_dir>/。与 feature-analysis 相比,本工具定位单特征快速分析,不含相关性分析、PSI 稳定性与方案推荐。