做评分卡用到
整理一下
smbinning
Optimal Binning for Scoring Modeling
最佳分箱将数字特征归类为分数模式中的其他用途。 这个过程,也称为监督离散化,利用递归分区来将数字特征分类。
特定的算法是条件推测决策树(Conditional Inference Trees),它最初排除缺失值(NA)以计算切点,并在计算信息值的过程中稍后添加它们。
The user should save the output result so it can be used with smbinning.plot, smbinning.sql, and smbinning.gen.
关于条件推测决策树的认知:
经典决策树,条件推断树,随机森林,SVM的R实现
决策树算法汇总
ctree: Conditional Inference Trees
party包的处理方式:它的背景理论是“条件推断决策树”(conditional inference trees):它根据统计检验来确定自变量和分割点的选择。即先假设所有自变量与因变量均独立。再对它们进行卡方独立检验,检验P值小于阀值的自变量加入模型,相关性最强的自变量作为第一次分割的自变量。自变量选择好后,用置换检验来选择分割点。用party包建立的决策树不需要剪枝,因为阀值就决定了模型的复杂程度。所以如何决定阀值参数是非常重要的(参见ctree_control)。较为流行的做法是取不同的参数值进行交叉检验,选择误差最小的模型参数。
**Usage**
smbinning(df, y, x, p = 0.05)
Arguments
df A data frame.
y Binary response variable (0,1). Integer (int) is required. Name of y must not have a dot. Name "default" is not allowed.
x Continuous characteristic. At least 5 different values. Value Inf is not allowed.
Name of x must not have a dot.
p Percentage of records per bin. Default 5% (0.05). This parameter only accepts values greater that 0.00 (0%) and lower than 0.50 (50%).
m02result=smbinning(df=traindata,y="y",x="m02",p=0.05)
smbinning.plot(m02result,option="WoE",sub="m02")
m02result$iv #信息值
> m02result$iv
[1] 0.0503
m02result$bands#分箱
> m02result$bands
[1] 0.0000 19.0000 44.0000 66.8262
> m02result$ivtable
Cutpoint CntRec CntGood CntBad CntCumRec CntCumGood CntCumBad PctRec GoodRate BadRate Odds LnOdds WoE IV
1 <= 19 76110 772 75338 76110 772 75338 0.4789 0.0101 0.9899 0.0102 -4.5808 0.1649 0.0141
2 <= 44 72270 557 71713 148380 1329 147051 0.4548 0.0077 0.9923 0.0078 -4.8579 -0.1122 0.0054
3 > 44 10533 40 10493 158913 1369 157544 0.0663 0.0038 0.9962 0.0038 -5.5696 -0.8240 0.0308
4 Missing 0 0 0 158913 1369 157544 0.0000 NaN NaN NaN NaN NaN