跳转至

v0.7.2

本次 patch release 聚焦 0.7.1 回归边界的正确性与可审计性：补齐类别小箱在初始拟合阶段的治理，收紧 Format-A 分箱往返契约，冻结 FVP 每个 target/split 的类别转换统计，并让加权 VIF 与常量权重相关性筛选遵守明确的权重语义。没有移除公开 API，也没有翻转默认值。

单调 WOE 分箱与 Format-A 往返

  • 类别特征现在会在 MonotoneWOEBinner.fit() 内实际执行 small_bin_policy："merge" 按既有类别坏率聚类逻辑合并，"warn" 保留分箱并告警，"raise" 抛出 BinningPolicyViolation。"merge" 不会把普通箱数压到 min_n_bins 以下；若到达下限后仍有违规箱，_small_bin_stats[feature]["remaining_violation"] 会保留该事实。small_bin_policy=None 的历史路径不变。
  • get_final_bins() 的 Format-A DataFrame 现在把精确数值边界、稀疏箱号、类别成员与逐特征 missing_woe 存在 DataFrame.attrs["smf_woe_format_a"]。load_woe_bins() 只有在 metadata 摘要和行身份均校验通过后才使用这些隐藏信息，因此直接传递或 pickle 往返可精确恢复。
  • 类别 metadata 可区分显示文本相同但成员不同的分箱，并保留 hashable tuple 类别与看似数值区间的类别文本。篡改、陈旧、非整型箱号或无法深拷贝的 metadata 不会穿透 loader，而是整体退回可见 bin_label 解析。
  • CSV/Excel 不保存 DataFrame.attrs，因此回载时以导出的可见标签为事实来源；默认标签仍保持历史 .8g 显示精度。这条回退可恢复可见的压缩区间结构，但不能恢复文本之外的精确边界、原始稀疏箱号、歧义类别成员或非默认 missing_woe。
  • 数值转换继续使用右闭区间：值恰好等于切点时进入左侧箱。类别转换只把精确匹配和受支持的 str() dtype 回退都失败的值计为 unseen；已由 dtype 回退成功解析的值仍会留下 fallback 告警与覆盖统计，但不会再被重复报告为 unseen。

FVP 类别转换审计

  • FVP 在每次 split 转换完成后立即深拷贝 _categorical_transform_stats 与 _unseen_category_stats，形成每个 target 下相互独立的 categorical_transform_stats_by_split / unseen_category_stats_by_split。后续 split 转换或 engine 状态变化不会覆盖先前快照。
  • 轻量批次结果会清除重型 screening_artifact 与 woe_artifacts["by_target"] 引用，但保留 woe_artifacts["categorical_transform_stats_by_target"] 和 woe_artifacts["unseen_category_stats_by_target"]，因此 batch/slim 汇总仍可追溯 target → split → feature。
  • 批次合并按 target/split/feature 深合并统计；同一键出现内容冲突时抛出 ValueError，不再静默用后一个批次覆盖前一个批次。

加权 VIF 与相关性筛选

  • FeatureSelectionAnalyzer.compute_vif() 新增可选 sample_weight。非恒定权重使用 statsmodels WLS 辅助回归计算 VIF；未传权重或传入任意正常数的恒定权重时，仍走原有 OLS 实现并保持严格结果一致。drop_rows 模式会同步裁剪权重，非法长度、非有限值、负权重或总权重为零继续响亮失败。
  • G06 VIF 门现在把 weight_col 传入上述计算，因此非恒定频数/样本权重能够真实影响 VIF 与淘汰决策；既有 IV tie-break 语义不变。
  • corr_nan_policy="pairwise" 时，正常数恒定权重的 corr 去重直接复用无权重决策路径，选择结果与无权重路径一致，同时仍输出加权筛选的 corr_dropped 审计表。审计中的 kept / dropped、pair 端点和相关系数来自实际迭代决策。
  • corr_nan_policy="raise" 不会因恒定权重快路径被绕过。加权 WOE corr 尊重 adapter 的自定义后缀；部分 WOE 编码失败时保留完整矩阵形状，继续计算可用数值子矩阵，并以告警 + NaN 行列保留未编码特征，避免静默误删。

验证

合并前的最终核心 PR CI 已在 legacy、modern、bleeding 三组依赖环境与 Python 3.11/3.12 的六个组合中全部通过；每个组合均为 930 passed、0 failed、0 skipped。source-package verify、wheel/sdist 构建以及 wheel 隔离安装 smoke 也均为绿色。