简易的监控定期更新的用户信用分及特征分布界面。
以一个金融领域的用户信用分为例，我们需要定期按照新观察期的数据，去更新每个用户的信用评分。 更新之后的评分和各变量的分布的分析是必要的，通过多账期评分总体的分布对比，计算一些指标， 可以评价这个模型是否收到了当前业务的影响？在一定周期内是否可以保持稳定？PSI是多少？ 申请了金融产品的客户的分数是否满足排序性？整体KS是多少？等等...
特别说明：展示的数据为随机生成数据，库中附带生成伪数据的代码。
- 可选择不同的评分查看分布，下部分是特征的分布，可拖拽查看；
- 可选择不同账期的同一评分进行对比，下部分是特征的分布对比，可拖拽查看对比；
Python + Mysql + Flask + Ajax + Echarts
- Flask
flask是一个很轻的python web框架，上手很快，很适合小型的web应用； - Ajax
用于处理前端单选、多选框与后台查询的异步数据传输； - Echarts
百度提供的用于展示数据的js包，可以满足大部分数据分析和展示需求； - Mysql
数据量不大，使用mysql存储；
- Python2.7（Flask相对更加兼容Python2.7，使用Python3.6的朋友可以适当修改代码）
- numpy
- pandas
- flask
- pymysql
-
安装本地mysql 自行安装mysql数据库，默认代码使用scheme: test
-
生成伪数据
python save_fake_data.py
运行结束后，数据库test中将出现两个新建的表，分别是 model_statistic 和 feature_statistic.
表结构可以参见init.sql -
本地运行（调试）
python model_monitor.py
默认端口为9000，浏览器访问 127.0.0.1:9000 -
局域网
python server.py