【学习笔记】- 为什么要引入分箱： - 评分结果需要有一定稳定性。 - 分类 ...

是 否 +2 论坛币

k人 参与回答

经管之家送您一份

应届毕业生专属福利!

求职就业群

赵安豆老师微信：zhaoandou666

经管之家联合CDA

送您一个全额奖学金名额~ !

立即领取

感谢您参与论坛问题回答

经管之家送您两个论坛币！

+2 论坛币

- 为什么要引入分箱：
  - 评分结果需要有一定稳定性。
  - 分类型变量：个数比较少就可以不作处理，如果取值过多会导致“变量膨胀”.

- 分箱的要求：
  - 不需要分箱变量：对于分类型变量如果取值较少，一般无需分箱
  - 分箱结果的有序性：对于有序型变量（数值型、有序离散型）
  - 分箱的平衡性：严格来说，每一个箱子占比不能相差太大，一般要求占比最小的箱子不低于5%。
  - 分箱的单调性：严格来说，有序型变量分箱后每个箱子的坏样本率与箱子呈单调关系。
  - 分箱的个数：5-7个比较合适
- 分箱优缺点：
  - 优点：稳定、缺失值处理、异常值处理、不需要做归一化
  - 缺点：有信息损失、需要做编码
- 常用的分箱方法：
  - 有监督：CART树最优分箱、卡方分箱
  - 无监督：等距、等深、聚类

扫码加我 拉你入群

请注明：姓名-公司-职位

以便审核进群资格，未注明则拒绝

分享0 收藏0 回帖

关键词：学习笔记 稳定性 习笔记 缺失值处理 CART