变量的KS值 KS(Kolmogorov-Smirnov)用于模型风险区分能力进行评估，指标衡量的是好坏样本累计部分之间的差距 。KS值越大，表示该变量越能将正，负客户的区分程度越大。通常来说，KS>0.2即表示特征有较好的准确率。强调一下，这里的KS值是变量的KS值，而不是模型的KS值 ...

卡方分箱 卡方分箱原理 数据分析与数据挖掘之四大分布三大检验 python自带分箱函数 -- 无法实现对分类型数据的分箱，可借助卡方分箱算法实现 import numpy as np import pandas as pd data = np.random.randint ...

建模数据的预处理的过程中，变量分箱（即变量离散化）往往是较为核心一环。变量分箱的优劣往往会影响模型评分效果． 一,数据分箱的重要性 　１．对异常数据有比较好的鲁棒性． 　２．在逻辑回归模型中，单个变量分箱之后每个箱有自己独立的权重，相当于给模型加入了非线性的能力，能够提升模型的表达能力 ...

总结 IV (信息价值，或者信息量) 作用：可以用来衡量自变量(特征)的预测能力 公式： 对每组的IV值求和就可以求出一个特征的IV值 系数（py-pn）:这个系数很好的考虑了这个分组中样本占整体样本的比例，比例越低，这个分组对特征整体预测能力的贡献越低 ...

卡方分布—chi-square distribution, χ2-distribution： 若k个独立的随机变量Z1, Z2,..., Zk 满足标准正态分布 N(0,1) , 则这k个随机变量的平方和： 为服从自由度为k的卡方分布，记作： 或者 卡方检验—χ2检验是以 ...

1.离散的优势： （1）离散化后的特征对异常数据有很强的鲁棒性：比如一个特征是年龄>30是 ...

。这里要注意的是，不仅仅是连续变量要分箱，状态多的离散变量也需要分箱，之前接触过公司内特征工程的项目，里边就将超 ...

开源地址见Github：https://github.com/datawhalechina/team-learning 学习目标 学习特征工程的基本概念 学习topline代码的特征工程构造方法，实现构建有意义的特征工程 完成相应学习打卡任务 内容介绍 ...