datanalysis-credit-risk
Пайплайн на Python для очистки кредитных данных, расчёта пропусков, IV, PSI и генерации подробного Excel‑отчёта.
Суть
Что это за skill и зачем он нужен
Skill реализует 11‑шаговый процесс очистки и предобработки данных кредитного риска. Он загружает исходный набор (рекомендован parquet), проводит организационный анализ, отделяет OOS‑выборки, фильтрует аномальные месяцы, рассчитывает уровни пропусков, отбрасывает признаки с высоким % пропусков, низким IV, высоким PSI, шумовые признаки (null importance) и сильно коррелирующие признаки. Каждый шаг выполняется независимо, сохраняется оригинал данных и формируется Excel‑отчёт с подробными листами (сводка, статистика по организациям, детали пропусков, IV, PSI, корреляции и т.д.). Параметры каждого шага задаются явно и имеют разумные значения по умолчанию, поддерживается многопроцессорный расчёт IV и PSI.
Установка
Как установить
npx skills add https://github.com/github/awesome-copilot --skill datanalysis-credit-riskСценарии
Когда использовать
Подходит
- Подготовка кредитных данных перед построением модели риска
- Оценка качества переменных с помощью IV и PSI
- Работа с данными, разбитыми по организациям и наличием OOS‑выборок
- Необходимость гибкой настройки порогов (пропуски, IV, PSI, корреляция)
- Требуется подробный Excel‑отчёт о каждом этапе очистки
- Нужна ускоренная многопроцессорная обработка больших наборов
Не подходит
- Для потоковой обработки данных из онлайн‑базы без локального копирования
- Если набор данных небольшой и детальный отчёт избыточен
- Когда требуется интеграция в Spark‑pipeline без Python‑скриптов
- Если необходимо автоматическое удаление оригинальных файлов после обработки
- Для задач, где расчёт IV/PSI не нужен
- Если требуется поддержка только одной организации без разделения OOS
Доверие
Проверки безопасности
Проверка не нашла критичных проблем.
Проверка не нашла критичных проблем.
Низкий риск · проблем не найдено.
Предупреждений нет.
Оценка 93/100 · проанализировано 2 раздела.
Похожие