python 基于卡方值分箱算法的實(shí)現(xiàn)示例
原理很簡(jiǎn)單,初始分20箱或更多,先確保每箱中都含有0,1標(biāo)簽,對(duì)不包含0,1標(biāo)簽的箱向前合并,計(jì)算各箱卡方值,對(duì)卡方值最小的箱向后合并,代碼如下
import pandas as pd import numpy as np import scipy from scipy import stats def chi_bin(DF,var,target,binnum=5,maxcut=20): ''' DF:data var:variable target:target / label binnum: the number of bins output maxcut: initial bins number ''' data=DF[[var,target]] #equifrequent cut the var into maxcut bins data["cut"],breaks=pd.qcut(data[var],q=maxcut,duplicates="drop",retbins=True) #count 1,0 in each bin count_1=data.loc[data[target]==1].groupby("cut")[target].count() count_0=data.loc[data[target]==0].groupby("cut")[target].count() #get bins value: min,max,count 0,count 1 bins_value=[*zip(breaks[:maxcut-1],breaks[1:],count_0,count_1)] #define woe def woe_value(bins_value): df_woe=pd.DataFrame(bins_value) df_woe.columns=["min","max","count_0","count_1"] df_woe["total"]=df_woe.count_1+df_woe.count_0 df_woe["bad_rate"]=df_woe.count_1/df_woe.total df_woe["woe"]=np.log((df_woe.count_0/df_woe.count_0.sum())/(df_woe.count_1/df_woe.count_1.sum())) return df_woe #define iv def iv_value(df_woe): rate=(df_woe.count_0/df_woe.count_0.sum())-(df_woe.count_1/df_woe.count_1.sum()) iv=np.sum(rate * df_woe.woe) return iv #make sure every bin contain 1 and 0 ##first bin merge backwards for i in range(len(bins_value)): if 0 in bins_value[0][2:]: bins_value[0:2]=[( bins_value[0][0], bins_value[1][1], bins_value[0][2]+bins_value[1][2], bins_value[0][3]+bins_value[1][3])] continue ##bins merge forwards if 0 in bins_value[i][2:]: bins_value[i-1:i+1]=[( bins_value[i-1][0], bins_value[i][1], bins_value[i-1][2]+bins_value[i][2], bins_value[i-1][3]+bins_value[i][3])] break else: break #calculate chi-square merge the minimum chisquare while len(bins_value)>binnum: chi_squares=[] for i in range(len(bins_value)-1): a=bins_value[i][2:] b=bins_value[i+1][2:] chi_square=scipy.stats.chi2_contingency([a,b])[0] chi_squares.append(chi_square) #merge the minimum chisquare backwards i = chi_squares.index(min(chi_squares)) bins_value[i:i+2]=[( bins_value[i][0], bins_value[i+1][1], bins_value[i][2]+bins_value[i+1][2], bins_value[i][3]+bins_value[i+1][3])] df_woe=woe_value(bins_value) #print bin number and iv print("箱數(shù):{},iv:{:.6f}".format(len(bins_value),iv_value(df_woe))) #return bins and woe information return woe_value(bins_value)
以下是效果:
初始分成10箱,目標(biāo)為3箱
chi_bin(data,"age","SeriousDlqin2yrs",binnum=3,maxcut=10)
箱數(shù):8,iv:0.184862
箱數(shù):7,iv:0.184128
箱數(shù):6,iv:0.179518
箱數(shù):5,iv:0.176980
箱數(shù):4,iv:0.172406
箱數(shù):3,iv:0.160015
min max count_0 count_1 total bad_rate woe
0 0.0 52.0 70293 7077 77370 0.091470 -0.266233
1 52.0 61.0 29318 1774 31092 0.057056 0.242909
2 61.0 72.0 26332 865 27197 0.031805 0.853755
到此這篇關(guān)于python 基于卡方值分箱算法的實(shí)現(xiàn)示例的文章就介紹到這了,更多相關(guān)python 卡方值分箱算法內(nèi)容請(qǐng)搜索腳本之家以前的文章或繼續(xù)瀏覽下面的相關(guān)文章希望大家以后多多支持腳本之家!
相關(guān)文章
利用Python實(shí)現(xiàn)微信找房機(jī)器人實(shí)例教程
這篇文章主要給大家介紹了關(guān)于如何利用Python實(shí)現(xiàn)微信找房機(jī)器人的相關(guān)資料,文中通過示例代碼介紹的非常詳細(xì),對(duì)大家的學(xué)習(xí)或者使用python具有一定的參考學(xué)習(xí)價(jià)值,需要的朋友們下面來一起學(xué)習(xí)學(xué)習(xí)吧2019-03-03pycharm實(shí)現(xiàn)在子類中添加一個(gè)父類沒有的屬性
這篇文章主要介紹了pycharm實(shí)現(xiàn)在子類中添加一個(gè)父類沒有的屬性,具有很好的參考價(jià)值,希望對(duì)大家有所幫助。一起跟隨小編過來看看吧2020-03-03Python學(xué)習(xí)之私有函數(shù),私有變量及封裝詳解
私有函數(shù)與私有變量中的私有就是獨(dú)自擁有、不公開、不分享的意思。放到函數(shù)與變量中就是獨(dú)自擁有的函數(shù)與獨(dú)自擁有的變量,并且不公開。本文將通過示例詳細(xì)講解Python中的私有函數(shù)、私有變量及封裝,感興趣的可以學(xué)習(xí)一下2022-03-03