【干货】风控建模中把原始变量转成WOE实现(Python)

最新推荐文章于 2023-09-17 12:37:42 发布
最新推荐文章于 2023-09-17 12:37:42 发布
阅读量172 收藏
点赞数
分类专栏： 风控建模原理与实现 学习python 风控建模 文章标签： python 算法 机器学习
版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。
本文链接：https://blog.csdn.net/qq_32532663/article/details/132788488
版权

很多刚开始建模的同学，对原始变量转WOE都是一知半解，弄不清楚为什么要转WOE，也不清楚要怎么把变量转成WOE。对于WOE原理不清楚的小伙伴，可以先看下本公众号之前的文章：风控建模中的IV和WOE。本文重点讲解用Python中的toad库实现变量的WOE转换。

文章目录


  

一、WOE的定义

  
WOE(Weight of Evidence)叫做证据权重。可以写成两种形式，分别对应了两种不同的解释。

第一种：
  

  
WOEi = ln(第i个分箱的坏样本数/总坏样本数

了解本专栏 订阅专栏 解锁全文 超级会员免费看
阿黎逸阳
关注
  • 0
    点赞
  • 踩
  • 0
    收藏
    觉得还不错? 一键收藏
  • 打赏
    打赏
  • 0
    评论
专栏目录
订阅专栏
ML之Scorecard：机器学习中特征工程之WOE编码(离散变量编码/有监督)的简介(两大功能/评分卡场景/意义)、计算公式(局部和全局的差异)、案例应用之详细攻略
近期请国内外头部出版社可尽快私信博主！——心比天高，仗剑走天涯，保持热爱，奔赴向梦想！低调，谦虚，自律，反思，成长，还算是比较正能量的博主，公益免费传播……内心特别想在AI界做出一些可以推进历史进程影响力的东西(兴趣使然，有点小情怀，也有点使命感呀)…
04-17 3277
​ DataScience：机器学习中特征工程之WOE编码(离散变量编码/有监督)的简介(两大功能/评分卡场景/意义)、计算公式(局部和全局的差异)、案例应用之详细攻略 目录 特征工程之WOE编码—离散变量编码(有监督) 特征工程之WOE编码—离散变量编码(有监督) 1、WOE编码的概述：两大功能(特征归一化/特征选择【寻找WOE值更大的特征】)、评分卡场景(WOE结合LoR模型绝配) 背景 提出问题：评分卡模型中，怎样对字段的每个分段进行评分呢？这个评分是怎么来的？ 解决方案
风控建模四：逻辑回归评分卡开发
baidu_39413110的博客
04-29 3275
风控建模四：评分卡开发1、变量做WOE转换 逻辑回归评分卡因其可解释性强、上线便捷、方便管理等特点往往成为传统金融领域风险管控模型的不二选择。本篇文章就来聊一下逻辑回归评分卡的开发流程。 如果选择用python开发评分卡，经常用到的包有两个，一个是sklearn里面的LogisticRegression，一个是statsmodel里面的Logit，不管选择哪个包，我们都需要先对算法原理和拟合过程有...
银行业评分卡制作——IV、WOE
dnjylhv2296的博客
12-11 651
参考链接：https://blog.csdn.net/kevin7658/article/details/50780391 1.IV的用途 IV的全称是InformationValue，中文意思是信息价值，或者信息量。 　　我们在构建分类模型时，经常需要对自变量进行筛选。挑选入模变量过程是个比较复杂的过程，需要考虑的因素很多，比如：变量的预测能力，变量之间的相关性，变量的简单性（...
金融风控-->申请评分卡模型-->特征工程（特征分箱，WOE编码） 标签： 金融特征分箱-WOE编码 2017-07-16 21:26 4086人阅读 评论(2) 收藏 举报 分类： 金融风
周红伟讲AI
12-29 9767
金融风控-->申请评分卡模型-->特征工程（特征分箱，WOE编码） 标签： 金融特征分箱-WOE编码 2017-07-16 21:26 4086人阅读 评论(2) 收藏 举报 分类： 金融风控（6） 作者同类文章X 版权声明：本文为博主原创文章，未经博主允许不得转载。 这篇博文主要讲在申请评分卡
金融风控建模常用指标介绍（WOE, IV, KS, PSI）
weixin_41891249的博客
09-17 1076
介绍金融风控建模常用指标，包括WOE, IV, KS, PSI。
风控业务-特征IV值和WOE值的计算原理和区别
数据掘金
08-11 8618
我们在用逻辑回归、决策树等模型方法构建分类模型时，经常需要对自变量进行筛选，比如我们有200个候选自变量，通常情况下，不会直接把200个变量直接放到模型中去进行拟合训练，而是会用一些方法，从这200个自变量中挑选一些出来，放进模型，形成入模变量列表。挑选入模变量过程是个比较复杂的过程，需要考虑的因素很多，比如：变量的预测能力，变量之间的相关性，变量的简单性（容易生成和使用），变量的强壮性（不容易被绕过），变量在业务上的可解释性（被挑战时可以解释的通）等等。但是，其中最主要和最直接的...
大数据风控建模标准流程.doc
11-23
变量筛选可以通过变量分箱、定量计算变量对于识别坏样本的贡献度（WOE和IV）、计算变量之间的相关性或多重共线性等方法来实现。 五、变量入模计算 变量入模计算是大数据风控建模标准流程的第五步骤。在这个步骤中...
python自动分箱,计算woe,iv的实例代码
09-18
Python中的自动分箱技术是一种数据预处理方法，常用于信用评分卡、风险评估等领域，它通过对特征进行分组，计算每个组内的Weight of Evidence (WOE)和Information Value (IV)来改善模型的预测能力。WOE是衡量特定...
DataScience：机器学习中特征工程之WOE编码(离散变量编码/有监督)的简介、计算过程、案例应用之详细攻略
06-16
原始数值变量可能包含非线性模式，而分箱和WOE编码正是为了捕捉这些模式并将其转换为线性形式，从而适应模型的需求。在某些场景下，如信用评分，年龄与违约率的关系并非简单的线性关系，WOE编码就能有效地解决这个...
基于Python进行申请评分卡的数据清洗、建模分析项目源码+数据集.zip
最新发布
09-22
对Kaggle上的Give Me Some Credit的数据进行挖掘分析，从数据的预处理（主要缺失值和异常值的处理）、数据分析（特征变量的选择、分箱、WOE、IV）、数据建模（逻辑回归模型，集成算法）、创建信用评分卡到建立自动...
构建风控评分卡模型介绍（WOE/KS/ROC)
htbeker的博客
03-26 5万+
什么是评分卡（信贷场景中） 以分数的形式来衡量风险几率的一种手段 对未来一段时间内违约/逾期/失联概率的预测 通常评分越高越安全 根据使用场景分为反欺诈评分卡、申请评分卡、行为评分卡、催收评分卡 为什么要开发评分卡 风险控制的一个环节，根据已有数据提供逾期概率指标参考 评分卡的特性 稳定性 预测能力 等价于逾期概率 评分卡开发的常用模型 逻辑回归 决策树 基于逻辑回归的评分卡理...
机器学习之金融风控
qq_40216188的博客
07-02 665
金融风控
风控-评分卡之woe转换
02-15 3240
WOE（Weight of Evidence）即证据权重，可以将logistic回归模型转化为标准评分卡格式，WOE是对原始自变量的一种编码形式，要对一个变量进行WOE编码，需要首先把这个变量进行分组处理（也叫离散化、分箱）。WOE的公式就是：WOE=ln(好客户占比/坏客户占比)×100%=优势比 下面举例说明： woe计算 我们把这个变量离散化为了4个分段：<100元，[100...
将原始数据进行WOE编码
lingan_Hong的博客
03-05 4847
在开发评分卡的时候，我们需要将原始数据替换成WOE编码，我给出的代码如下： def applyBinMap(X_data, bin_map, var): """ 将最优分箱的结果WOE值对原始数据进行编码 ------------------------------------------------ Params x: pandas Series ...
机器学习D10——WOE和IV编码
Dunkle.T的博客
04-02 3572
概述 WOE和IV通常是用在模型特征筛选的。IV和WOE能够帮助我们衡量什么变量应该进入模型，什么变量应该舍弃。用IV和WOE的值来进行判断，值越大就表示该特征的预测能力越强，则该特征应该加入到模型的训练中。 应用 1、变量筛选。我们需要选择重要的变量加入模型，预测强度就可以作为我们判断变量是否重要的一个依据。 2、指导变量离散化。在建模过程中，时常需要对连续变量进行离散化处理，如年龄分段。但变量的不同离散化结果（如：年龄分为［0-20］还是［0-15］）会对模型产生不同的影响。因此，可以根据指标反应的预
woe特征转换
Kyrie_Irving的博客
10-11 2213
woe特征转换 class CattoWoe(BaseEstimator, TransformerMixin): """ Parameters ---------- label : the label column name Attributes ---------- woe_dict : dict of intervals,example ...
数据挖掘模型中的IV和WOE详解
热门推荐
一些杂七杂八的想法
03-02 24万+
1.IV的用途 IV的全称是Information Value，中文意思是信息价值，或者信息量。 我们在用逻辑回归、决策树等模型方法构建分类模型时，经常需要对自变量进行筛选。比如我们有200个候选自变量，通常情况下，不会直接把200个变量直接放到模型中去进行拟合训练，而是会用一些方法，从这200个自变量中挑选一些出来，放进模型，形成入模变量列表。那么我们怎么去挑选入模变量呢？ 挑选入模变
信用评分的简单小结（ROC，IV，WOE）
10-15 6956
转自：http://chen.yi.bo.blog.163.com/blog/static/150621109201011115616880/ 由于专业的关系，我学习信用评分的时候往往最关注模型那一块，前段时间一直有很多困惑，这周认真地看了一篇文章，终于有一点点明白了，所以来简单地小结一下（这事儿不能说得太细），小结完了我得学习cURL去了。 最常见的用于信用评分的模型就是logist
WOE、VI及Python代码实现
wyl2289的博客
08-24 9487
IV的全称是Information Value，中文意思是信息价值，或者信息量。 我们在用逻辑回归、决策树等模型方法构建分类模型时，经常需要对自变量进行筛选。比如我们有200个候选自变量，通常情况下，不会直接把200个变量直接放到模型中去进行拟合训练，而是会用一些方法，从这200个自变量中挑选一些出来，放进模型，形成入模变量列表。那么我们怎么去挑选入模变量呢？ 挑选入模变量过程是个比较复杂的过...
风控评分卡里面woe转换如何实现什么意思原理说一下
03-29
风控评分卡中的woe转换是一种特殊的数据转换方法，用于将原始的变量值转换为与目标变量相关的权重值。这种转换方法的主要目的是将不同变量的值进行标准化，从而使它们可以进行比较和组合。 woe转换的原理是基于对比...

“相关推荐”对你有帮助么？

  • 非常没帮助
  • 没帮助
  • 一般
  • 有帮助
  • 非常有帮助
提交
评论
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包

打赏作者

阿黎逸阳

你的鼓励将是我创作的最大动力

¥1 ¥2 ¥4 ¥6 ¥10 ¥20
扫码支付：¥1
获取中
扫码支付

您的余额不足，请更换扫码支付或充值

打赏作者

实付元
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明：

1.余额是钱包充值的虚拟货币，按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载，可以购买VIP、付费专栏及课程。

余额充值