【保姆级教程】一文弄懂卡方分箱原理及实现代码

风控建模中的分箱方法通常包含有监督分箱和无监督分箱。其中有监督分箱主要包括：卡方分箱和决策树分箱。无监督分箱主要包括：等距分箱、等频分箱和聚类分箱等。
  
卡方分箱（ChiMerge）是一种基于统计学原理的特征离散化方法。其原理在于通过合并具有相似类分布的相邻区间，来减少变量的取值情况并降低变量的复杂度。具体来说，卡方分箱依赖于卡方检验，即具有最小卡方值的相邻区间会被合并在一起，直到满足确定的停止准则。卡方分箱的原理和实现比较简单，本文接下来将进行详细阐述。

  

一、卡方分布

  
为了更好地理解卡方分箱，我们先来看下卡方分布。卡方分布（Chi-square Distribution）是概率论与统计学中常用的一种概率分布，也是统计推断里应用最广泛的概率分布之一。卡方分布的定义基于标准正态分布，其数学定义如下：
  
若k个独立的随机变量Z1、Z2、……、Zk满足标准正态分布N(0,1)，则这k个随机变量的平方和：

为服从自由度为k的卡方分布，记作：