- 博客(2)
- 收藏
- 关注
RSS订阅原创 概率校准-特殊方法
如果是乙方公司，好坏样本的来源可能不同，或者甲方爸爸并没有全量反馈样本表现，那么自然样本中的好坏比无法反映真实的情况。一般情况下给到的坏样本比例会高于真实比例。这时候做完模型后，要进行概率校准。 下面举一个例子，某评分卡模型建模样本各分数段的好坏分布如下： 而我们抽样前or根据经验，实际上该产品的违约率只有2%左右，那么这个坏样本占比会比产品上线后实际落在该分数段的坏样本占比要高得多。要还原真实的情况，需要进行如下校准： 如何计算呢？ 固定坏样本数量1000个，那么根据2%的实际分布，好样本
2020-05-29 09:17:10
386
原创 卡方分箱
#卡方分箱代码 def ChiMerge(train_new, feature, chuShiQieXiang, xiangShu): d1 = pd.DataFrame({'X':train_new[feature], 'Y':train_new.iloc[:,0], feature:pd.qcut(train_new[feature],chuShiQieXiang)}) d2 ...
2020-05-29 09:05:17
715
空空如也
空空如也
TA创建的收藏夹 TA关注的收藏夹
TA关注的人