woe分析_Toad — 分析金融数据提升生产力的工具

最新推荐文章于 2024-07-06 16:32:24 发布

lloydsheng

最新推荐文章于 2024-07-06 16:32:24 发布

阅读量2.1k

点赞数

文章标签： woe分析

本文链接：https://blog.csdn.net/weixin_29722783/article/details/112326825

版权

Toad是一个适用于金融场景的数据分析库，包括数据探索、特征选择、WOE变换、模型验证和评分卡分数转换等功能。通过Combiner()对象实现分箱合并，支持多种分箱方法如卡方、决策树和百分位。此外，提供可视化工具帮助调整分箱逻辑，并具备全面的模型验证指标，如KS、F1和AUC。

摘要由CSDN通过智能技术生成

Toad的基本概念.

Toad是一个用于在金融场景下分析数据非常方便的库,我这篇是打算根据文档配上例子撸一遍.
Toad分为9个子模块.

toad.detecor module 精细版describe
toad.merge module 专门针对分箱
toad.metrics module Sklearn没有的偏金融模型评价指标
toad.plot module 作图模块
toad.scorecard module 直接做卡模块
toad.selection module 看函数是用于根据不同评价指标删除特征用的
toad.stats module 计算特征的熵，基尼系数等，iv,badrate等
toad.transform module Woe转换
toad.utils module 黑人问号？

toad.detector moduletoad.readthedocs.io

Basic Tutorial For Toad

接下来跟着官方文档过一遍Toad的基本功能，使用的数据集可以在这里下载，例子分为五部分：

EDA
特征选择，WOE分箱
模型挑选
模型验证
分数变换

#!pip install --upgrade toad
import pandas as pd
import numpy as np
from sklearn.linear_model import LogisticRegression
from sklearn.model_selection import train_test_split

import toad # Our Main Character Today!

data = pd.read_csv('german_credit_data.csv')
data.drop('Unnamed: 0',axis=1,inplace=True)
data.replace({
    'good':0,'bad':1},inplace=True)

Xtr,Xts,Ytr,Yts = train_test_split(data.drop('Risk',axis=1),data['Risk'],test_size=0.25,random_state=450)

data_tr = pd.concat([Xtr,Ytr],axis=1)
data_tr['type'] = 'train'

data_ts = pd.concat([Xts,Yts],axis=1)
data['type'] = 'test'
print(data_tr.shape)

使用toad.detector.detect()