- 博客(4)
- 收藏
- 关注
RSS订阅原创 不均衡分类问题 之 class weight & sample weight
分类问题中，当不同类别的样本量差异很大时，很容易影响分类结果。因此，需要进行校正。sklearn的做法是加权，加权就要涉及到class_weight和sample_weight，当不设置class_weight参数时，默认值是所有类别的权值为1。类型权重 class_weight字典类型，将类索引映射到权重值。对训练集里的每个类别加权，作用于损失函数（仅在训练过程中）。从而使模型更加关注样本数量少的类别。如果某类别的样本数多，那么它的权重就低，反之则权重就高.应用场景：第一种是误分类的代价很高。比
2020-05-25 20:52:35
8049
5
原创 连续特征离散化的必要性
在什么情况下将连续的特征离散化之后可以获得更好的效果？工业界中很少直接将连续值作为逻辑回归模型的特征输入，而是将连续特征离散化为一系列0、1特征，这样做的优点可以归纳为以下几点：1. 特征鲁棒性更强离散化后的特征对异常值有很强的鲁棒性。比如对于一个连续特征：年龄，如果直接将其作为特征，一个异常数据“年龄300岁”会给模型造成很大的干扰；如果离散为年龄>30为1，否则0。离散化后年龄300岁也会被归为0，如果训练数据中没有出现特征"年龄-300岁"，那么在LR模型中，其权重对应于0，所以，即使
2020-05-21 20:59:08
492
原创 信用评分模型详解（上）之 评分卡模型
介绍完分箱算法后，就不得不介绍一下评分卡模型了。评分卡模型由于在业务层面具有良好的解释性，对数据挖掘方面（如风控）仍深受欢迎。目前，主流的评分卡模型仍以逻辑回归模型为主要模型。假设客户违约的概率为ppp，则正常的概率为1−p1-p1−p...
2020-05-21 20:41:21
3609
2
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