评分卡Bad rate单调性问题

评分卡Bad rate单调性问题

文章转载自https://blog.csdn.net/shenxiaoming77/article/details/79548807

Bad Rate：

    坏样本率，指的是将特征进行分箱之后，每个bin下的样本所统计得到的坏样本率

bad rate 单调性与不同的特征场景： 

在评分卡模型中，对于比较严格的评分模型，会要求连续性变量和有序性的变量在经过分箱后需要保证bad rate的单调性。

    1. 连续性变量：

        在严格的评分卡模型中，对于连续型变量就需要满足分箱后 所有的bin的 bad rate 要满足单调性，只有满足单调新的情况下，才能进行后续的WOE编码

   2. 离散型变量：

        离散化程度高，且无序的变量：

        比如省份，职业等，我们会根据每个省份信息统计得到bad rate 数值对原始省份信息进行编码，这样就转化为了连续性变量，进行后续的分箱操作，对于经过bad rate编码后的特征数据，天然单调。

       只有当分箱后的所有的bin的bad rate 呈现单调性，才可以进行下一步的WOE编码

        离散化程度低,且无序的变量：

        比如婚姻状况，只有四五个状态值，因此就不需要专门进行bad rate数值编码，只要求出每个离散值对应的bin的bad rate比例是否出现0或者1的情况，若出现说明正负样本的分布存在极端情况，需要对该bin与其他bin进行合并， 合并过程完了之后 就可以直接进行后续的WOE编码

        有序的离散变量：

        对于学历这种情况，存在着小学，初中，高中，本科，硕士，博士等几种情况，而且从业务角度来说 这些离散值是有序的， 因此我们在分箱的时候，必须保证bin之间的有序性，再根据bad rate 是否为0 或者1的情况 决定是否进行合并，最终将合并的结果进行WOE编码

    因此bad rate单调性只在连续性数值变量和有序性离散变量分箱的过程中会考虑。

bad rate要求单调性的原因分析：

    1. 逻辑回归模型本身不要求特征对目标变量的单调性。之所以要求分箱后单调，主要是从业务角度考虑，解释、使用起来方便一点。如果有某个（分箱后的）特征对目标变量不单调，会加剧模型解释型的复杂化

    2. 对于像年龄这种特征，其对目标变量往往是一个U型或倒U型的分布，有些公司／部门／团队是允许变量的bad rate呈（倒）U型的。
--------------------- 
作者：Michael_Shentu 
来源：CSDN 
原文：https://blog.csdn.net/shenxiaoming77/article/details/79548807 
版权声明：本文为博主原创文章，转载请附上博文链接！