python自动分箱,计算woe,iv的实例代码
|
笔者之前用R开发评分卡时，需要进行分箱计算woe及iv值，采用的R包是smbinning,它可以自动进行分箱。近期换用python开发， 也想实现自动分箱功能，找到了一个woe包，地址https://pypi.org/project/woe/，可以直接 pip install woe安装。 由于此woe包官网介绍及给的例子不是很好理解，关于每个函数的使用也没有很详细的说明，经过一番仔细探究后以此文记录一下该woe包的使用及其计算原理。 例子 官方给的例子不是很好理解，以下是我写的一个使用示例。以此例来说明各主要函数的使用方法。计算woe的各相关函数主要在feature_process.py中定义。 import woe.feature_process as fp import woe.eval as eval #%% woe分箱,iv and transform data_woe = data #用于存储所有数据的woe值 civ_list = [] n_positive = sum(data['target']) n_negtive = len(data) - n_positive for column in list(data.columns[1:]): if data[column].dtypes == 'object': civ = fp.proc_woe_discrete(data,column,n_positive,n_negtive,0.05*len(data),alpha=0.05) else: civ = fp.proc_woe_continuous(data,alpha=0.05) civ_list.append(civ) data_woe[column] = fp.woe_trans(data[column],civ) civ_df = eval.eval_feature_detail(civ_list,'output_feature_detail_0315.csv') #删除iv值过小的变量 iv_thre = 0.001 iv = civ_df[['var_name','iv']].drop_duplicates() x_columns = iv.var_name[iv.iv > iv_thre] 计算分箱，woe,iv 核心函数主要是freature_process.proc_woe_discrete()与freature_process.proc_woe_continuous()，分别用于计算连续变量与离散变量的woe。它们的输入形式相同： proc_woe_discrete(df,var,global_bt,global_gt,min_sample,alpha=0.01) proc_woe_continuous(df,alpha=0.01) 输入： df: DataFrame，要计算woe的数据，必须包含'target'变量，且变量取值为{0，1} var:要计算woe的变量名 global_bt:全局变量bad total。df的正样本数量 global_gt:全局变量good total。df的负样本数量 min_sample:指定每个bin中最小样本量，一般设为样本总量的5%。 alpha:用于自动计算分箱时的一个标准，默认0.01.如果iv_划分>iv_不划分*（1+alpha)则划分。 输出：一个自定义的InfoValue类的object，包含了分箱的一切结果信息。 该类定义见以下一段代码。 class InfoValue(object): ''' InfoValue Class ''' def __init__(self): self.var_name = [] self.split_list = [] self.iv = 0 self.woe_list = [] self.iv_list = [] self.is_discrete = 0 self.sub_total_sample_num = [] self.positive_sample_num = [] self.negative_sample_num = [] self.sub_total_num_percentage = [] self.positive_rate_in_sub_total = [] self.negative_rate_in_sub_total = [] def init(self,civ): self.var_name = civ.var_name self.split_list = civ.split_list self.iv = civ.iv self.woe_list = civ.woe_list self.iv_list = civ.iv_list self.is_discrete = civ.is_discrete self.sub_total_sample_num = civ.sub_total_sample_num self.positive_sample_num = civ.positive_sample_num self.negative_sample_num = civ.negative_sample_num self.sub_total_num_percentage = civ.sub_total_num_percentage self.positive_rate_in_sub_total = civ.positive_rate_in_sub_total self.negative_rate_in_sub_total = civ.negative_rate_in_sub_total 打印分箱结果 eval.eval_feature_detail(Info_Value_list,out_path=False) 输入： Info_Value_list:存储各变量分箱结果(proc_woe_continuous/discrete的返回值）的List. out_path:指定的分箱结果存储路径，输出为csv文件 输出： 各变量分箱结果的DataFrame。各列分别包含如下信息：
输出结果一个示例（截取部分）：
woe转换 得到分箱及woe,iv结果后，对原数据进行woe转换，主要用以下函数 woe_trans(dvar,civ): replace the var value with the given woe value 输入： dvar: 要转换的变量，Series civ: proc_woe_discrete或proc_woe_discrete输出的分箱woe结果，自定义的InfoValue类 输出： var: woe转换后的变量，Series 分箱原理 该包中对变量进行分箱的原理类似于二叉决策树，只是决定如何划分的目标函数是iv值。 1）连续变量分箱 首先简要描述分箱主要思想： 1.初始化数据集D =D0为全量数据。转步骤2 2.对于D，将数据按从小到大排序并按数量等分为10份，记录各划分点。计算不进行仍何划分时的iv0，转步骤3. 3.遍历各划分点，计算利用各点进行二分时的iv。 如果最大iv>iv0*(1+alpha)（用户给定，默认0.01）: 则进行划分，且最大iv对应的即确定为此次划分点。它将D划分为左右两个结点，数据集分别为DL,DR.转步骤4. 否则：停止。 4.分别令D=DL,D=DR,重复步骤2. 为了便于理解，上面简化了一些条件。实际划分时还设计到一些限制条件，如不满足会进行区间合并。 主要限制条件有以下2个： a.每个bin的数量占比>min_sample(用户给定） b.每个bin的target取值个数>1，即每个bin必须同时包含正负样本。 2）连续变量分箱 对于离散变量分箱后续补充 to be continued... 以上这篇python自动分箱,计算woe,iv的实例代码就是小编分享给大家的全部内容了，希望能给大家一个参考，也希望大家多多支持我们。 （编辑：李大同） 【声明】本站内容均来自网络，其相关言论仅代表作者个人观点，不代表本站立场。若无意侵犯到您的权利，请及时与联系站长删除相关内容! |
