关于评分卡模型中的证据权重转换问题

各位大大~：
最近在做的一个评分卡模型中，涉及到一个证据权重转换（WOE转换）步骤。即将连续数值变量分段以后，使用woe转换比如可将一个拥有n个分类的变量转换成n个新变量。具体操作如图： 。
我的问题就是：因为最后的模型是把一个变量的所有分类都当成一个变量加入模型，这样会不会导致完全共线性出现？求大神们解答~~~

并不是将所有的分类当成一个变量加入模型，而是用每个woe值取代对应的分类，最终还是一个变量

是我之前理解错了，好尴尬

我最近一直也在用这个模型，但是遇到一个问题：对于浏览量和其他几个维度去预测是否购买，先将浏览量分箱后，趋势是随着浏览的增多，购买的可能性越大，但是进行逻辑回归后浏览的系数确实负值，意味着随着浏览的增加，购买的可能性越低，与常识不符，请问你遇到类似问题么？如何解决呢？不知道是否是数据问题

yingjunfan 发表于 2015-10-14 17:25
我最近一直也在用这个模型，但是遇到一个问题：对于浏览量和其他几个维度去预测是否购买，先将浏览量分箱后 ...

有可能出现多重共线性，可以试试单个变量在模型时系数的正负性与该变量与其他变量同时在模型时的系数正负性是否一样。按理说，做woe处理后系数应该是正的才对