贷款用户逾期问题Task2

任务2 - 特征工程（2天）

特征衍生
特征挑选：分别用IV值和随机森林等进行特征选择
……以及你能想到特征工程处理

特征衍生

特征衍生，指利用现有的特征进行某种组合生成新的特征，主要是从业务数据和纯技术生产特征方面着手。

特征挑选

通常我们在清洗数据后，需要进行分箱、计算WOE和IV值（WOE的性质）、特征筛选。

1、分箱(Binning)
对连续变量离散化(Discretization),对离散变量也可进行重新分箱、组合。

2、WOE(Weight of Evidence)

(1) 逻辑回归是线性的统计模式，因此遇到非线性趋势的变数会造成无法有效的建立预测模型,因此需要WOE
(2) WOE与风险成正比，WOE越大，风险越高，代表该层级的客户品质越差。如果WOE接近０，表示接近平均水平。（正负相关可以调节）
(3) WOE = ln(Odds) = ln(%Good/%Bad) = ln(p/(1-p))

3、IV值(Infomation Value)

IV= ∑(%Good-%Bad)*WOE = ∑(%Good-%Bad)*ln(%Good/%Bad)

4、特征选择

根据每个特征的分箱结果计算IV值，留下IV>0.1的变量。当然这个0.1的数值可以根据实际情况改变。

具体实现

……时间太紧，看完之后再整理