1.統計拆分訓練集測試集之後的分佈

def summary(data_train, data_test, y):
    '''
    函式目標：統計資料拆分訓練集和測試集之後的分佈（如樣本數量，壞賬率之類的）
    變數：
    data_train:訓練集（包括label）
    data_test:測試集（包括label),如果label是單獨的，需要先合併，但是也可以直接（data_train, data_test = train_test_split()
    y:label的columns_name
    返回值：
    一個df
    '''

    summary 
 
= pd.DataFrame(
        {
            '樣本數': [len(data_train), len(data_test)],
            '壞賬數': [data_train[y].sum(), data_test[y].sum()],
            '壞賬率': [
                round(data_train[y].mean(), 4),
                round(data_test[y].mean(), 4)
                ],
        },
        index
 
=['訓練集', '測試集']
    )[['樣本數', '壞賬數', '壞賬率']]
    summary.index.name = '資料集'
    return summary

2.計算ks

def ks(self, data, y):
    '''
    目標：計算出分類模型的ks值
    變數：
    self:模型fit(x,y)，如（self=tree.fit(x,y))
    data:一般是訓練集（不包括label）或者是測試集（也是不包括label）
    y:label的column_name 
    返回：訓練集（或者測試集）的ks值

    
 
'''

    p = self.predict(data)
    fpr, tpr, p_threshold = metrics.roc_curve(data[y], p,
                                              drop_intermediate=False,
                                              pos_label=1)
    df = pd.DataFrame({'fpr': fpr, 'tpr': tpr, 'p': p_threshold})
    df.loc[0, 'p'] = max(p)

    ks = (df['tpr'] - df['fpr']).max()

    return ks

3.計算auc