本期开始,咱们开始聊聊建模型的代码。前期定义y值、衍生变量生成宽表的过程不是一个标准化的过程,这部分咱们先不涉及。咱们的建模代码前提条件是已经定义好y变量且拼成了建模宽表。
编写建模代码的目的,是为了实现自动化分箱、算法拟合的过程。第一步,我们需要实现变量分箱的自动化。前几期介绍分箱的时候咱们就说过,变量分箱分为两种,一种为连续型变量,一种为字符型变量。两种分箱的逻辑略有不同。
今天咱们先聊聊连续型变量分箱的逻辑。
最简单的一种逻辑就是先将连续变量按照百分位数分成100组,再利用一个指标将区分度相近的分组合并。
1、将变量按分位数等分
def _EqualWidthBinMap(x, Acc, adjust):
#x为一列数值型数据,Acc为想要的分位点,一般前期设置为0.01(百分位),adjust为调整参数,保证最大最小值能落在区间范围内
x=x.astype(float)#将数据统一转换成浮点数
x=x.dropna()#删除为nan的值
Mbins = int(1./Acc) #将数值分成的组数
ind = range(1, Mbins+1)#段数的列表
Upper = pd.Series(index=ind, name='upper')#上限序列
Lower = pd.Series(index=ind, name='lower')#下限序列
for i in ind:#循环分组
Upper[i] = np.percentile(x,i)#当前分位点的上限
Lower[i] = np.percentile(x,i-1)#当前分位点的下限
Upper[Mbins] =