利用xgb筛选模型变量

最新推荐文章于 2023-03-28 22:24:11 发布

慢爬小蜗牛

最新推荐文章于 2023-03-28 22:24:11 发布

阅读量889

点赞数

分类专栏：贷前风控-风控建模

本文链接：https://blog.csdn.net/xiaoxiaoniaoer1/article/details/103695656

版权

本文介绍了在构建评分卡模型时如何运用最优分箱方法进行特征分析，以寻找极端客户群体所在的特征分组。通过分享相关代码，展示了如何利用xgb进行模型变量的选择。

摘要由CSDN通过智能技术生成

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.;