資料準備非常重要：
1.從不同的渠道收集資料；
2.清理資料中意外錯誤或被認為是極端值的取值；
3.生成衍生的變數（feature）。
在資料處理過程，需要進行的操作：
1>將相同含義的變數合併；
2>出現頻率下的類別被合併為乙個新的類別，並給予乙個合理的標識，如other。
3>合併變數的類別使得某些**力指標最大化。
下面是採用決策樹的方法，對於有12個類別的某個feature，首先把所有的看成乙個分組，然後找出最優的二元分割方法，具體見《信用風險評分卡研究》的p92。
還有其他的一些降低基數的指標。
連續變數必須分段，為了方便構建打分卡，兩種方法：等距分段和最優分段。
等距分段是指分段的區間是一樣的，比如客戶年齡以10歲為間隔分段。
最優分段是使得該變數的**能力指標得到優化，相當於名義變數降低基數的最優分群。
如下是採用決策樹的方法，先規定最小分段的規模，然後進行初始的等距分段（取值順序保持原始變數的順序），然後利用決策樹二分法，進行分組，知道組數達到設定的分組數量。
關於資料準備
在專案進入正式測試階段之前，有乙個環節就是測試資料準備。當時，面對專案複雜的業務規則，一下子還不知道這個測試資料如何入手，往往準備的很粗糙。緊接著就是緊張的測試工作。在測試過程中，原來不清晰的業務規則 很多業務的潛規則也一點一點的被挖出來 也終於顯山顯水了。隨著測試進一步進行，一系列的測試資料也因為...
weka資料準備
將matlab中的陣列資料儲存為weka使用的.arff格式的資料 1 先將matlab中的陣列資料儲存為.csv格式的資料 matlab命令 csvwrite filename matrixname 3 將.csv格式的資料轉換成.arff格式的資料 1 開啟weka gui chooser，在t...
關於資料準備
在專案進入正式測試階段之前，有乙個環節就是測試資料準備。當時，面對專案複雜的業務規則，一下子還不知道這個測試資料如何入手，往往準備的很粗糙。緊接著就是緊張的測試工作。在測試過程中，原來不清晰的業務規則 很多業務的潛規則也一點一點的被挖出來 也終於顯山顯水了。隨著測試進一步進行，一系列的測試資料也因為...