本站原创文章，转载请说明来自《老饼讲解-机器学习》www.bbbdata.com
接上文《评分卡实例-问题概述》
前文提要与本文概述
上节我们已经介绍了用于建立评分卡的原始数据，
本文我们讲述制作评分卡的第一步：数据准备
数据准备包括变量的选择和预处理，这一步骤也称为特征工程，
本文讲述评分卡的中如何进行特征工程，它是评分卡中最重要、最耗时的一步
本节讲述如何将评分卡实例中的数据进行分箱与选择出可用的变量
变量分析与选择
在评分卡建模之前，我们需要先对变量进行分析，选择出入模的变量
变量的选择主要包括 变量分析、选择与分箱，三者是一起完成的
它的目的是将原始变量变散化并从中选择出与y强相关的变量作为入模变量
变量分析的实际操作流程如下：
1. 将变量进行分箱
2. 使用badRate趋势分析法(或iv法)分析哪些变量可以入模
其中，badRate法分析过程如下：
1. 检查变量与badRate是否相关，确定该变量是否可以入模
2. 对变量分箱 ，使变量与badrate的关系更明显
备注：1和2是反复进行的，一边分箱，一边确定要不要该变量
badRate法分析变量的例子
以RevolvingUtilizationOfUnsecuredLines变量为例
(1) 先粗略分箱，试探变量的badRate趋势
示例如下：
(2) 如果变量的badRate有一定的趋势，就进一步对变量精细分箱
示例如下：
✍️备注：所有变量的初探与分箱结果见附件
评分卡实例-变量选择与分箱结果
在本例中，所有变量与badRate都有明显的关系
因此以上10个变量都被选择用于建模
将原始变量数据转为分箱数据，如下：
由于原变量名过长，原始变量换成新的变量名：
这里我们只是简单的描述和举例说明变量的分析、选择和分析，
详细的流程和结果，我们另外独立放在《变量分析》部分
本节讲解评分卡实例中将变量转为WOE的过程
评分卡WOE转换
通过变量分箱，我们将原数据映射成组号，进一步需要将组号映射为WOE值
直接把组号作为特征变量值是不够理想的，因为组号是等距的，而badrate是不等距的
WOE转换过程
将组号转换为WOE值的转换过程如下：
1. 计算特征WOE映射表
特征WOE映射表记录特征的各个分组对应的WOE值
特征X第i组的WOE值计算如下：
其中：
：坏样本总个数
：好样本总个数
：坏样本且X为第i组的个数
： 好样本且X为第i组的个数
2. 将特征取值转换为WOE值
按照特征WOE映射表，把特征的组别，映射成对应的WOE值即可
WOE转换-举例说明
下面我们以特征 rev_grp转换WOE为例，说明转WOE的过程
1. 计算rev_grp的特征WOE映射表
即计算每个组别对应的WOE值，结果如下：
2. 将特征取值转换为WOE值
将特征将rev_grp的组别按特征WOE映射表，转换成woe数据
转换前后的示例如下：
关于转WOE的必要性
虽然正规则流程里，必须将特征取值转为WOE值，
但在实际项目中，有些老同学并没有转WOE，老饼对这现象总结如下：
可转可不转WOE
如果在分箱阶段，组别是按badRate大小进行编号的，
转WOE对模型最终的效果不是非常明显，有些人会忽略WOE转换，主要嫌麻烦
可转可不转WOE
如果分箱阶段，不按badRate大小进行编号，此时badRate与组别不是单调关系，
这时，必须做 WOE转换，转WOE能使变量与badRate成单调关系
总的来说，我们先选出与客户质量强相关的变量作为入模变量，并将变量分箱离散化
然后再把数据转为WOE，以上工作就形成了评分卡的建模数据,下张文章我们再讲解如何使用这些数据进行建模
End
