安装
hscredit 需要 Python 3.9+。基础安装保持轻量,重型依赖(Boosting、深度学习、
调参、PMML 与数据库驱动)按需安装。
基础安装
pip install hscredit
基础依赖包含 numpy、pandas、scipy、scikit-learn、statsmodels、matplotlib、
seaborn、openpyxl 等,足以覆盖数据探索、分箱、编码、特征筛选、评分卡建模、指标计算、
可视化与 Excel 报告。
可选能力
安装命令 |
适用场景 |
|---|---|
|
XGBoost、LightGBM、CatBoost、NGBoost 等 Boosting 模型 |
|
PyTorch 与 TabNet 深度学习模型 |
|
Optuna 参数调优和调参看板 |
|
已内置 SHAP 模型解释、特征重要性和单样本分析 |
|
PMML 导出相关能力 |
|
MySQL / MariaDB 连接池与流式读写 |
|
HiveServer2 连接池与流式读写 |
|
Impala / Kudu 连接池与流式读写 |
|
Oracle 原生连接池与流式读写 |
|
StarRocks MySQL 协议与 Stream Load |
|
ClickHouse 原生 DataFrame 流式读写 |
|
MaxCompute DB-API、原生写入与元数据 |
|
安装全部数据库适配器 |
|
构建本文档所需的 Sphinx 工具链 |
|
安装全部可选能力 |
备注
PMML 导出(hscredit[pmml])依赖 sklearn2pmml,运行时需要 Java 11+。
若本机 Java 版本过低,调用 ScoreCard.export_pmml(...) 会抛出
UnsupportedClassVersionError,这属于运行环境问题而非库本身缺陷。
备注
数据库驱动全部为可选依赖。基础安装仍可安全导入 Database、QueryStream 和适配器
注册接口;只有创建对应数据库连接时才检查驱动。完整指南见 数据库与 NoSQL 连接池、读写及表结构导出。
开发模式安装
参与开发或本地验证:
git clone https://github.com/hscredit/hscredit.git
cd hscredit
pip install -e ".[dev]"
pytest tests/ -v
安装工具兼容
hscredit 支持 setuptools 77 至当前最新版,标准安装通过 PEP 517 隔离构建完成。setuptools 82
及以上已经移除 pkg_resources,但 hscredit 的源码、构建入口和运行时均不依赖该模块,因此无需
额外安装或恢复它。
若安装过程中出现 ModuleNotFoundError: No module named 'pkg_resources',请根据完整堆栈确认
实际失败的第三方源码包,并优先选择支持当前 Python 的 wheel 或新版依赖。不要为此在 hscredit
环境中全局设置 setuptools<82;这会掩盖第三方包的构建兼容问题,也会阻止验证最新版
setuptools。
验证安装
import hscredit
hscredit.info() # 打印包信息与模块概览
print(hscredit.__version__)
Agent Skills
hscredit 还提供可供 AI Agent 直接调用的分箱分析和完整报告 Skills。Skills 与 Python 包分别安装, 支持从仓库复制、由 Agent 从 GitHub 安装,或上传到 OpenAI 项目。
完整安装、调用示例和环境隔离说明见 Agent Skills。
构建文档
pip install hscredit[docs]
cd docs && make html
# 产物位于 docs/_build/html/index.html