python最优分箱计算iv值_信贷风控小知识——(5)分箱与变量分析

风控建模常用逻辑回归模型，模型的特征必须是数值型特征，因此需要对类别型特征进行编码；此外，为了获得模型的稳定性，建模时需要对数值型特征进行分箱处理。

最终，对进入模型的特征还要做单变量与多变量分析。

1、分箱简述

1.1分箱定义

(1)对于数值型变量，将数值范围分为几个有限的分段

(2)对于类别型变量，如果取值过多，将其合并为较少的几个分段

1.2分箱原因

(1)评分结果需要稳定性，当样本数值型变量发生较小波动，评分结果不应发生改变；

(2)对于类别型变量，当取值过多时，如果不分箱会发生变量膨胀，例如，对省份编码，独热编码会有31个变量，dummy也会有30个变量

1.3分箱要求

(1)取值较少的类别型变量不需要分箱

(2)分箱结果需要有序性

(3)分箱的平衡性：占比最小的箱数据不低于5%

(4)分箱的单调性：在要求严格的情况下，没想的坏样本率与箱呈单调关系；当非单调时，需要与前箱和后箱合并，选择前或后有两种方案：一种选择合并后卡方值小的方案；二是选择合并后更加均匀的方法，均匀程度的衡量方式：

箱的个数不能太多，一般5-7个；

(5)特殊值作为一箱，但不参与单调性比较，若特殊值的分箱样本占比低于5%，则与第一箱或最后一箱合并。

1.4分箱的优缺点

优点：

(1)比较稳定，