（信贷风控二）申请评分卡中的数据预处理和特征衍生（上）

申请评分卡中的数据预处理和特征衍生

本章文章主要讲解以下内容

• 构建信用风险类型的特征
• 特征分箱
• WOE编码

 

构建信用风险类型的特征

在我们运用模型之前，我们首先要进行特征工程，其本质是一项工程活动，目的是最大限度地从原始数据中提取特征以供算法和模型使用。特征处理是特征工程的核心部分，sklearn提供了较为完整的特征处理方法，包括数据预处理，特征选择，降维等。（下图引用了一幅图片http://www.cnblogs.com/jasonfreak/p/5448385.html）

 

•  数据预处理

1.原数据带有一定格式，需要转换成正确格式

2.文本类的数据处理方式

主题提取（NLP自然语言处理）

编码（打个比方说就是有数据为1，没有数据为0，可以用0和1区分他们的状态）

3.缺失值

在我们分析问题中，往往会存在一