申请评分卡的特征衍生

常用的特征衍生

1. 计数：过去1年内申请贷款的总次数
2. 求和：过去1年内的网店消费总额
3. 比例：贷款申请额度与年收入的占比
4. 时间差：第一次开户距今时长
5. 波动率：过去3年内每份工作的时间的标准差

特征的分箱

分箱的定义：

• 将连续变量离散化，如收入
• 将多状态的离散变量合并成少状态，如职业

分箱的重要性：

• 稳定性：避免特征中无意义的波动对评分带来的波动
• 健壮性：避免了极端值的影响

分箱的优势：

• 可以将缺失值作为独立的一个箱带入模型中
• 将所有变量换到相似的尺度上

分箱的限制：

• 计算量大
• 分箱后需要编码

分箱的方法：

• 有监督：BestKS（二分类），ChiMerge（多分类）——两种都针对连续变量
• 无监督：等频，等距，聚类