整体流程
工具:toad
https://toad.readthedocs.io/en/latest/tutorial_chinese.html
特征分箱
分箱要求
- 每个分箱至少包含 5% 的样本;
- 每个分箱必须包含 正常样本与违约样本;
- 分箱数控制在 5个左右;
- 除了 age 外,其他变量尽可能保持单调性。
信息熵分箱(针对连续变量)
卡方分箱(针对离散变量)
比如地区、学历
WOE与IV
WOE
WOE (Weight of Evidence) 是判断 “一个分箱区间”,区分好坏样本的能力。
W O E i = ln ( b a d i b a d T / g o o d i g o o d T ) = ln ( b a d i b a d T ) − ln ( g o o d i g o o d T ) WOE_i = \ln(\frac{bad_i}{bad_T}/\frac{good_i}{good_T}) = \ln(\frac{bad_i}{bad_T})-\ln(\frac{good_i}{good_T}) WOEi=ln(badTbadi/good