本站原创文章，转载请说明来自《老饼讲解-机器学习》www.bbbdata.com
对变量分箱是构建评分卡的一个主要步骤，它是影响模型效果的主要因素
本文讲解评分卡变量分箱的方法，包括自动分箱与手动分箱，以及在实际中的分箱方法与例子
通过本文，可以了解在构建评分卡时，是如何对变量进行分箱的，以及具体的分箱操作
本节讲解在评分卡中，如何对变量进行分箱，以及判断变量的有效性
变量自动分箱与手动分箱
在评分卡建模之前，我们需要先对变量进行分箱
然后检查分箱后的变量是否与y强相关，将强相关的变量作为入模变量
自动分箱与选择
变量分箱可以通过自动分箱算法来完成，然后用IV值来确定变量的有效性
常用的分箱算法有：等频分箱、等距分箱、决策树分箱、KS分箱和卡方分箱等等
自动分箱是粗糙的，它一般只在如下几种场景使用：
1. 作为分箱的参考，用于辅助手动分箱
2. 在变量很多时，进行自动分箱，以筛选掉一些无效变量
3. 在"自动化建模"时为了全程无人工参与，使用自动分箱
4. 学生哥写作业时图快捷，所以使用
自动分箱时，一般根据分箱后变量的iv值来进行决定该变量是否入模
手动分箱与选择
手动分箱一般根据业务背景、配合数据分析来设置分箱，并用badrate来选择变量
"badrate分析法"进行手动分箱的方法如下：
1.先通过数据分析、业务背景设置分箱
2. 查看badrate(坏客户占比)是否"符合业务逻辑，且呈现单调趋势"
3. 在尊重业务逻辑的基础上，调整分箱，使得箱与箱之间的badrate差异尽量的大
手动分箱一般通过反复调整与分析来确定变量的分箱，并根据badrate来决定变量是否入模
评分卡-变量的分箱与选择-操作流程
在实际操作中，一般是以自动分箱为辅助、手动分箱为主来对变量进行分箱与选择
实际操作流程如下：
1.简单自动分箱或手动分箱来初步了解变量
如果变量可能有效，则进一步如下：
2. 手动调整变量分箱 ，使变量与badrate的关系更明显
在手动分箱时，也可以借鉴自动分箱的结果
3. 检查变量与badRate是否相关，确定该变量是否可以入模
备注：2和3是反复进行的，一边分箱，一边确定要不要该变量
本节通过具体的例子，来说明评分卡中是如何对变量进行分箱的
badRate法分析变量的例子
以bbb的评分卡中的rev变量为例，下面展示手动分箱的具体过程
rev变量的意义是：信贷余额占比，即待还余额/总信贷额度
试探变量的分布
在正式分箱前，我们先粗略分箱，试探rev变量的badRate趋势
由于rev是一个连续的数值变量，不妨先用等距分箱，将它分为10个分箱
初探结果如下：
可以看到，样本大部分都集中在了第0个分箱，这样不利于我们观察样本
将第0组进行细分，经过调整后，分箱如下：
从中可以看到，随着rev提升，badrate整体趋势在增大，因此，rev变量是有效的
正式分箱
进一步对rev变量进行更细致的分箱，观察上表，我们将badrate较近似的一段划为一组
初步分箱结果如下：
可以看到，badrate并不是单调的，这主要是第0组(x<=0)与第6组(x>2)较为特殊
因此，第0组与第2组badrate相似，我们将它合并，同理，将第6组与与第4组合并
最终分箱结果如下：
需要注意，这里的合并需要有业务解释支撑，例如这里把(<=0)与(0.1,0.37]合并
是因为rev<=0代表完全没有待还余额，这意味着客户可能从来都没有贷过款
因此rev<=0时，客户可能缺乏借贷意识，相比有一点待还余额(0,0.1]的客户更易坏账
所以把<=0合并到(0.1,0.37]中，它们都属于比"有一点待还余额(0,0.1]"略差的场景
这里只展示变量的分箱过程和思路，在实际中可借助任意的编程软件、或数据处理软件来实现
自动分箱结果
变量的分箱，也可以使用自动分箱算法进行分箱，一般用于快速建模或用于参考
例如，rev变量使用卡方分箱的结果如下：
对比手动分箱与卡方自动分箱，会发现卡方分箱虽然也不错，但没有手动分箱的效果更好
最重要的是，我们需要一个业务解释逻辑
如果直接使用卡方分箱的结果，它往往不符合业务逻辑，即使效果更好，但实际中会令模型过拟合
因此，在实际中，如果能手动分箱，一般都会使用手动分箱，而自动分箱仅作为辅助参考
End
