快速分箱方法

Posted 2023-04-24

参考技术A 2018.08.02

R语言中有smbining可以进行最优分箱，python中分箱如果既要考虑箱体个数，分箱后信息量大小，也要考虑单调性等其他因素。
这里给出一种简单的通过IV值来选择如果分箱的方法。
下面是按照分位数来分的，还可以按照卡房分箱，决策树分箱等。
参照toad(由厚本金融开发的较标准的评分卡开发开源包)的分箱方式。

特征工程

1.捕捉A、B变量中的（A强，B弱|A弱、B强）（A中，B中）这样的特征情况，可以用决策树方法（cart）先对A/B变量分箱，然后对分箱结果编码，

然后对分箱结果相乘生成新变量，里面就会有上面说的这种组合变量出现。

这也是为什么好多方法中，先生成一个模型，然后再将这个模型的结果作为一个变量进入另一个模型中，结果会比较好的原因。

2.在对连续变量的处理方式上

1）分箱简单，且可以增强模型稳定性，实际业务中，越简单解释性越强越好。

2）分箱满足模型效果要求，你用后者方法一顿操作，效果可能没有什么提升

3）分箱主要是用于处理连续型变量，这个你不分箱还能怎么做呢

 至于卡方分箱＋woe，基本是线性模型的处理方式，尤其是业内常用的logistic，逻辑简单，操作性强，解释性好。
你用树模型或者svm、神经网络等，就对应着其他的分箱和编码方式