分箱介绍及举例详解

分箱介绍

       前面提到过，我们要制作评分卡，是要给各个特征进行分档，以便业务人员能够根据新客户填写的信息为客户打 分。因此在评分卡制作过程中，一个重要的步骤就是分箱。可以说，分箱是评分卡最难，也是最核心的思路，分箱 的本质，其实就是离散化连续变量，好让拥有不同属性的人被分成不同的类别（打上不同的分数），其实本质比较类似于聚类。那我们在分箱中要回答几个问题：
       每个特征要分多少个箱子：

       既然是将连续型变量离散化，想也知道箱子个数必然不能太多，最好控制在十个以下。 而用来制作评分卡，最好能在4~5个为最佳。我们知道，离散化连续变量必然伴随着信息的损失，并且箱子越少， 信息损失越大。为了衡量特征上的信息量以及特征对预测函数的贡献，银行业定义了概念Information value(IV)：
$$IV=\sum _{i=1}^n((good\%{)}_i-(bad\%{)}_i)\ast WO{E}_i$$

       i代表箱子，$(good\%{)}_i$是该箱子中优质客户占所有优质客户的比例，$(bad\%{)}_i$是该箱子中劣质客户占所有劣质客户的比列。
$WO{E}_i$定义如下：
$$WO{E}_i=$$