阿里云天池学习赛【金融风控-贷款违约预测】task3

最新推荐文章于 2021-07-14 16:19:21 发布

菜菜のGUAGUA

最新推荐文章于 2021-07-14 16:19:21 发布

阅读量695

点赞数

文章标签：数据分析

本文链接：https://blog.csdn.net/weixin_41598761/article/details/108704243

版权

本文探讨了阿里云天池学习赛中金融风控任务的特征工程，包括时间格式处理、类别特征和连续型变量的处理。在时间格式处理方面，关注了issueDate、employmentLength和earliestCreditLine属性。对于连续型变量，建议进行离散化，如等距/等频分箱，并介绍了无监督和有监督的分箱方法。最后，讨论了特征选择的重要性，列举了Filter、Wrapper和Embedded方法，以降低模型复杂性和提高计算效率。

摘要由CSDN通过智能技术生成

零基础入门金融风控-贷款违约预测TASK 3

3.特征工程

3.特征工程

3.1时间格式处理

issueDate属性：

// 查看贷款发放的最早月份
train.sort_index(by='issueDate')['issueDate']；//按照issueDate索引排序；

// 查询到最早的日期为：
2007-06-01；

转换成时间格式：

for data in [train, testA]:
    data['issueDate'] = pd.to_datetime(data['issueDate'],format='%Y-%m-%d')
    startdate = datetime.datetime.strptime('2007-06-01', '%Y-%m-%d')
    #构造时间特征
    data['issueDateDT'] = data['issueDate'].apply(lambda x: x-startdate).dt.days

employmentLength属性:

// 查询得到最早的月份为：
train['employmentLength'].value_counts(dropna=False).sort_index()；
//dropna=False 表示保留NAN；

查询结果：
1 year        52489
10+ years    262753
2 years       72358
3 years       64152
4 years       47985
5 years       50102
6 years       37254
7 years       35407
8 years