8.WOE&IV编码&分箱

不会直接把200个特征直接放到模型中去进行训练，而是会用一些方法，从这200个特征中挑选一些出来，放进模型，形成训练集数据。

1、分箱

所谓分箱，就是通过某些分类标准，将数据集进行某维度若干数据的合并，比如身高范围可以是150~180，若分组是厘米，则有30组。若才用距离为5的分箱，150 ~ 155为一组，共六祖。若如此，可以将数据波动影响减少。不会因为一个用户增长了1cm就变成一个完全不同的人。

#等距分箱
import pandas as pd
pd.cut([1,2,3,4,5,6,7,8,9,0],bins=3).value_counts()

pd.cut([1,2,3,4,5,6,7,8,9,0],bins=3,labels=['A','B','C']).value_counts()


#等频分箱
import numpy as np
data = np.random.randint(10,100,size=(30,))
pd.qcut(data,q=5).value_counts()

2、WOE

WOE的全称是“Weight of Evidence”，即证据权重。WOE是对原始特征的一种编码方式。

WOE = 这个组中正例样本占整个样本中正例样本的比例 / 这个组中负例样本占整个样本中负例样本的比例 然后求ln

3、IV

不懂，补明白。 以后填坑。

标签：分箱,样本,value,IV,pd,WOE,counts
来源： https://www.cnblogs.com/ziwenblog/p/15233922.html