目录Python全系列 教程
3567个小节阅读：5930.7k
目录
鸿蒙应用开发
C语言快速入门
JAVA全系列 教程
面向对象的程序设计语言
Python全系列 教程
Python3.x版本，未来主流的版本
人工智能 教程
顺势而为，AI创新未来
大厂算法 教程
算法，程序员自我提升必经之路
C++ 教程
一门通用计算机编程语言
微服务 教程
目前业界流行的框架组合
web前端全系列 教程
通向WEB技术世界的钥匙
大数据全系列 教程
站在云端操控万千数据
AIGC全能工具班
A A
White Night
初始化阶段：
首先按照属性值的大小进行排序（对于非连续特征，需要先做数值转换，然后排序），然后每个属性值单独作为一组。
合并阶段：
（1）对每一对相邻的组，计算卡方值。
（2）根据计算的卡方值，对其中最小的一对邻组合并为一组。
（3）不断重复（1），（2）直到计算出的卡方值都不低于事先设定的阈值，或者分组数达到一定的条件（如最小分组数5，最大分组数8）。
值得注意的是，有的实现方法在合并阶段，计算的并非相邻组的卡方值（只考虑在此两组内的样本，并计算期望频数），因为他们用整体样本来计算此相邻两组的期望频数。
下图是著名的鸢尾花数据集sepal-length属性值的分组及相邻组的卡方值。最左侧是属
性值，中间3列是class的频数，最右是卡方值。这个分箱是以卡方阈值1.4的结果。可以看
出，最小的组为[6.7，7.0），它的卡方值是1.5。
如果进一步提高阈值，如设置为4.6，那么以上分箱还将继续合并，最终的分箱如下图：
卡方分箱除了用阈值来做约束条件，还可以进一步的加入分箱数约束，以及最小箱占比，坏样本率（Bad Rate）约束等
注意：
Bad Rate：坏样本率，分档内坏样本数 / 分档内全部样本数
分箱后的值不能直接进模型，常用WOE（Weight of Evidence，即证据权重）的形式进行分箱后的编码。WOE用来衡量自变量与因变量的相关性。
试想我们当前处理的是一个二分类问题共100条记录，一个自变量只有两个值v1, v2。v1
有50条记录，其中40条对应label 1，另外10条对应label 0。v2有50条记录，其中25条对应
label 1，另外25条对应label 0。如下图Event%对应*count_1_ratio, Non Event%对应
count_0_ratio。可见v1的woe值远远高于v2的，直观上我们也可以看出来，v1确实有更好
的区分度。
woe针对的是变量中单个的值或者group，而iv则是这些值或者group woe的一个加权
怎么取理解不同大小的iv值
