做评分卡模型时要做特征分析,小编一般都是等频分箱。但是做一些策略时,小编经常要找出极端好和极端坏的客户所在的特征分组,于是经常要用到最优分箱来进行特征分析,以下是代码:
%macro num_iv(data=,dvar=,splitsize=,maxbranch=,nsurrs=,method=,maxdepth=,dir=);
*
1. splitsize : 指定一个节点分割的最小观测数
2. maxbranch:指定一个节点的最大分枝数
3. nsurrs :指定替代规则数
4. maxdepth:指定最大的数深度
5. criteion:指定决策树分割标准
6. assess:指定模型评估方法
;
proc datasets lib=work nodetails;
delete varname_total;
run;
/*建立数值型建模变量数据集*/
proc sql noprint ;
select distinct name into : var_analy separated by ' ' from woe_score;
select count(*) into : var_num from woe_score;
quit;
%put &var_analy.;
%let var_list = &var_analy.;
%let var_num = &var_num.;
%put &var_list.;
/*把数值型变量定义为宏变量*/
%do i=1 %to &var_num.;
%let numvar_name_&i.= %scan(&var_list.,&i.);
%put &numvar_name_1.;
*
1. splitsize : 指定一个节点分割的最小观测数
2. maxbranch:指定一个节点的最大分枝数
3. nsurrs :指定替代规则数
4. maxdepth:指定最大的数深度
5. criteion:指定决策树分割标准
6. assess:指定模型评估方法
;
proc split data=&data. splitsize=&splitsize. maxbranch=&maxbranch. MAXDEPTH=&maxdepth. nsurrs=&nsurrs. assess=lift criterion=&method.;
input &&numvar_name_&i./level=interval;
target &DVAR./level=binary;
Score data=&data. out=d_&i.;