本站原创文章，转载请说明来自《老饼讲解-机器学习》www.bbbdata.com
在实现评分卡时，需要先对变量进行分箱，在实践项目中一般以手动分箱为主
本文讲解如何对变量进行手动分箱，并展示一步一步的分析与调整过程，以及具体代码实现
通过本文，可以了解在实现评分卡时，是如何对变量进行手动分箱的，以及如何用代码来实现
本节通过对rev变量的分箱，来展示评分卡中变量分箱的具体操作过程
评分卡变量分箱-数据初步探索
在实际项目中，评分卡一般以手动分箱为主，这是为了使得分箱更具可解释性
下面以bbbrisk的小贷数据中的rev变量为例，展示具体是如何手动分箱的
rev变量是一个数值变量，它的意义为：信贷余额占比，即待还余额/总信贷余额
数据探索
在正式分箱中，一般先对数据进行粗略分箱，试探变量的badRate趋势 、了解数据的分布
由于rev是数值变量，不妨先用等距分箱，将它分为10个分箱，结果如下：
可以看到，样本大部分都集中在了第1个分组，即<=1830，而>1830的样本相对较少
因此，我们尝试将<=1830进一步等距分为10个箱，而>1830独立作为一个分箱
但实际上会发现数据还是大部分集中在其中一个分箱中，所以需要按以上思路继续调整
最终为调整的结果如下：
它的分箱结果如下：
通过以上分箱，我们可以大概地了解rev变量的分布情况，以及badrate的趋势
通过初步观察可以发现随着rev提升，badrate在大趋势上也增大，因此，rev变量是有效的
评分卡变量分箱-正式分箱
由于从初探结果中可知，rev变量是有效的，因此我们对对rev变量进行更细致的分箱
分箱的过程是逐步进行的，使得分箱结果逐步更加合理，具体如下
正式分箱
通过观察初探结果表，我们将badrate较近似的一段划为一组，作为初步分箱
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
这里的合并是需要有业务解释支撑的，详见下文的解释
最终分箱结果如下：
从结果可以看到，变量的badrate单调且有区分度，即组与组之间的badrate差异较明显
而IV值为1.088，它远大于0.3，说明该变量对y极有区分度，因此该变量是一个"较强的变量"
业务解释
在进行分箱后，还需要进一步从业务逻辑来判断它分箱是否合理
从分箱结果可以看到，有微小rev的人群最好，而随着rev越大，badrate也在增大
从业务来上看，就是待还余额占比越大，越容易逾期，因此，分箱是符合业务逻辑的
比较需要注意的是，rev=0与rev>2是两种特殊情况，对它们的业务解释如下：
1. rev=0时，会比微小rev逾期概率较大一些
因为rev为0可能是因为该客户没有信用卡，而微小rev则代表客户一定有信用卡
因此没用过信用卡的人可能缺少信贷概念，自然就会比用过信用卡的人要差一些
2. rev>2时，反而比rev在(1.2,2]的更好一些
rev>1时，在贷额度比授信额度还要大，这代表客户的信贷额度被缩减了
而rev极大，则代表客户在贷额度也较大，即曾经的授信额度较大，即曾经质量很好
所以，曾经质量较好的客户(rev>2)，会比一般授信缩减客户的质量要好一些
备注：这些业务解释未必是唯一的、绝对合理的，但至少要存在一个说得通的解释
本节展示上节变量分箱过程中，所有的代码实现
rev变量分箱的代码示例
上述的分箱过程只是一种思路，它可以使用任意编程软件实现
在bbbrisk中，上述分箱过程的实现代码如下：
import bbbrisk as br
from bbbrisk import bins
# 加载数据
data = br.datasets.load_bloan() # 加载数据
x = data['rev'] # rev变量
y = data['is_bad'] # 标签
br.display.pd.set(width=300,max_colwidth=30,max_rows=30) # 美化pandas的显示方式
# 将变量等距分为10个箱
bin_set = bins.merge.eDist(x,10) # 将变量进行等距分箱
bin_stat = bins.Bins(bin_set).binStat(x,y) # 统计分箱结果
print('\n',bin_stat) # 显示分箱结果
# 将变量在(-inf,1830]等距分为10个箱,(1830,+inf]分为1个箱
bin_set = bins.merge.eDist(x,[('-',1830,10),(1830,'+',1)]) # 将变量进行等距分箱
bin_stat = bins.Bins(bin_set).binStat(x,y) # 统计分箱结果
print('\n',bin_stat) # 显示分箱结果
# 将变量在(-inf,0]分为1一个箱,(0,0.1]等距分为5个箱,(0.1,1]等距分为10个箱...
bin_set = bins.merge.eDist(x,[('-',0,1),(0,0.1,5),(0.1,1,10),(1,2,5),(2,'+',1)]) # 将变量进行等距分箱
bin_stat = bins.Bins(bin_set).binStat(x,y) # 统计分箱结果
print('\n',bin_stat) # 显示分箱结果
# 将变量分箱为(-inf,0],(0,0.1],(0.1,0.37],(0.37,0.64],(0.64,1.2],(1.2,2],(2,inf]
bin_set = [['-',0],[0,0.1],[0.1,0.37],[0.37,0.64],[0.64,1.2],[1.2,2],[2,'+']] # 设置变量的分箱
bin_stat = bins.Bins(bin_set).binStat(x,y) # 统计分箱结果
print('\n',bin_stat) # 显示分箱结果
# 将变量分箱为(0,0.1],(-inf,0]或(0.1,0.37],(0.37,0.64],(0.64,1.2]或(2,inf],(1.2,2]
bin_set = [[0,0.1],(['-',0],[0.1,0.37]),[0.37,0.64],([0.64,1.2],[2,'+']),[1.2,2]] # 设置变量的分箱
bin_stat = bins.Bins(bin_set).binStat(x,y) # 统计分箱结果
print('\n',bin_stat) # 显示分箱结果运行结果如下：
这就是上节中各种分箱的结果了，在实际过程中，一般是通过一步一步的调整来得到
好了，以上就是如何使用bbbrisk来进行分箱的步骤与代码了~
End