Python變數分箱 woe值單調分箱

最近上傳了乙個變數分箱的方法到pypi，這個包主要有以下說明：

缺失值單獨一箱，不論缺失的數量多少；

生成的分箱woe值是單調的，後續有時間會迭代u型分箱的版本；

會有分箱最小樣本數佔比，類似決策樹的最小葉節點佔比；

分箱成功的變數才會保留，有可能失敗的情況是找不出同時滿足上述2和3的分箱；

增加了多程序，提公升分箱速度

除了iv以外，增加變數切分的其他演算法：alg_method = 『iv』 , 『gini』和』entropy』

具體的變數分箱原理見之前的部落格。

可以通過pip install woe-bin 安裝。最新版本1.0.2

應用範例如下：

1、連續變數：

from woe_bin import woe_bin

wb = woe_bin(indata=dtrain, target=
'target'
, min_group_rate=
0.05
, max_bin=
6, bin_method=
'mono'
, alg_method=
'iv'
)mapiv = wb.split_data(
)mapiv1 = mapiv[mapiv[
'iv'
]>=
0.02
]#轉為woe格式

from woe_bin import woe_bin

wb = woe_bin(indata=dtrain, target=
'target'
, min_group_rate=
0.05
, max_bin=6)
cate_mapiv, cate_mapdict = wb.split_data_cate(
)

cate_mapdict： 記錄類別變數原值與最終woe的對映

對類別變數的分箱只是做為參考，最終還是要根據業務來調整下分箱。

使用決策樹分箱計算woe和iv值例項

使用信用卡預期資料 kaggle案例的訓練資料 give me some credit 目標變數為seriousdlqin2yrs 表示未來是否為逾期90天 1表示逾期90天 即通常意義上的壞客戶，0則表示沒有逾期90天 的好客戶。import numpy as np import pandas a...

python機器學習 IV值 WOE值的計算

評分卡模型中的iv和woe詳解 看完後，一定要注意 iv衡量的是某乙個變數的資訊量，從公式來看的話，相當於是自變數woe值的乙個加權求和，其值的大小決定了自變數對於目標變數的影響程度，對於分組 i 其對應的iv值參考下圖，其中n是分組個數，注意，在變數的任何分組中，不應該出現響應數為0或非響應數字0...

python 基於卡方值分箱演算法

原理很簡單，初始分20箱或更多，先確保每箱中都含有0，1標籤，對不包含0，1標籤的箱向前合併，計算各箱卡方值，對卡方值最小的箱向後合併，如下 import pandas as pd import numpy as np import scipy from scipy import stats def...