weixin_52157968的博客

1、调整分箱节点：结合变量含义、单调性，格外注意空值的含义。2、箱数：5箱左右，尽量保证样本占比均匀，单调。3、模型构建完成：看评分贡献度，变量间尽量均匀。

（Cross-Entropy Loss），它衡量的是模型输出概率和真实标签之间的差异。逻辑回归的损失函数通常指的是。（Log Loss）或。一、逻辑回归模型公式。二、如何优化损失函数。

WoE（Weight of Evidence）转换是一种将分类变量的每个类别映射到一个连续的数值，这个数值反映了该类别相对于参考类别（通常是目标事件发生率最低的类别）对于目标事件发生概率的影响强度。经过WoE转换后的变量系数都是正的，这是为了确保模型的输出能够正确反映不同类别对目标事件发生概率的影响，并且保持模型的解释性和一致性。这种设计使得评分卡模型更容易被业务理解和接受，同时也有助于模型在实际应用中的有效性。