變量的KS值 KS(Kolmogorov-Smirnov)用於模型風險區分能力進行評估，指標衡量的是好壞樣本累計部分之間的差距 。KS值越大，表示該變量越能將正，負客戶的區分程度越大。通常來說，KS>0.2即表示特征有較好的准確率。強調一下，這里的KS值是變量的KS值，而不是模型的KS值 ...

卡方分箱 卡方分箱原理 數據分析與數據挖掘之四大分布三大檢驗 python自帶分箱函數 -- 無法實現對分類型數據的分箱，可借助卡方分箱算法實現 import numpy as np import pandas as pd data = np.random.randint ...

建模數據的預處理的過程中，變量分箱（即變量離散化）往往是較為核心一環。變量分箱的優劣往往會影響模型評分效果． 一,數據分箱的重要性 　１．對異常數據有比較好的魯棒性． 　２．在邏輯回歸模型中，單個變量分箱之后每個箱有自己獨立的權重，相當於給模型加入了非線性的能力，能夠提升模型的表達能力 ...

總結 IV (信息價值，或者信息量) 作用：可以用來衡量自變量(特征)的預測能力 公式： 對每組的IV值求和就可以求出一個特征的IV值 系數（py-pn）:這個系數很好的考慮了這個分組中樣本占整體樣本的比例，比例越低，這個分組對特征整體預測能力的貢獻越低 ...

卡方分布—chi-square distribution, χ2-distribution： 若k個獨立的隨機變量Z1, Z2,..., Zk 滿足標准正態分布 N(0,1) , 則這k個隨機變量的平方和： 為服從自由度為k的卡方分布，記作： 或者 卡方檢驗—χ2檢驗是以 ...

1.離散的優勢： （1）離散化后的特征對異常數據有很強的魯棒性：比如一個特征是年齡>30是 ...

。這里要注意的是，不僅僅是連續變量要分箱，狀態多的離散變量也需要分箱，之前接觸過公司內特征工程的項目，里邊就將超 ...

開源地址見Github：https://github.com/datawhalechina/team-learning 學習目標 學習特征工程的基本概念 學習topline代碼的特征工程構造方法，實現構建有意義的特征工程 完成相應學習打卡任務 內容介紹 ...