最近上传了一个变量分箱的方法到pypi，这个包主要有以下说明：缺失值单独一箱，不论缺失的数量多少；生成的分箱woe值是单调的，后续有时间会迭代U型分箱的版本；会有分箱最小样本数占比，类似决策树的最小叶节点占比；分箱成功的变量才会保留，有可能失败的情况是找不出同时满足上述2和3的分箱；增加了多进程，提升分箱速度除了Iv以外，增加变量切分的其他算法：alg_method = ‘iv’ , ‘gini’
转载
2023-06-19 16:46:50
264阅读
使用Pandas对数值进行分箱操作的4种方法方法1：between & loc方法2：cut方法3：qcut方法4：value_counts补充材料 分箱是一种常见的数据预处理技术，有时也被称为 分桶或 离散化，可用于将连续数据的间隔分组到“箱”或“桶”中。在本文中将介绍如何使用 Python的Pandas库中的4种方法对数值进行分箱。 首先，创建示例数据框import pandas
转载
2023-07-25 22:47:33
198阅读
# Python中的等深分箱与等宽分箱切割
在数据分析和预处理阶段，特征工程是一个重要的步骤。特征的分箱（binning）能够将连续变量转换为类别变量，从而增强模型的性能与稳定性。在Python中，我们通常使用等深分箱和等宽分箱两种方法来进行数据的切割。本文将对此进行详细探讨，并提供代码示例。
## 等宽分箱与等深分箱
1. **等宽分箱（Equal Width Binning）**
# 等距分箱 python cut 代码实现教程
## 1. 整体流程
下面是实现等距分箱的整体流程，可以使用表格展示步骤：
| 步骤 | 操作 |
| ---- | ---- |
| 1 | 导入必要的库 |
| 2 | 读取数据 |
| 3 | 计算分箱边界 |
| 4 | 对数据进行分箱 |
## 2. 操作步骤
### 步骤1：导入必要的库
首先，我们需要导入 pandas 库
原创
2024-06-24 04:14:50
48阅读
python实现根据配置执行不同代码块老规矩，技术发于业务，努力从于项目。在多租户设计的平台中，每个租户可能有其独特的需求和业务逻辑，因此代码逻辑可能不同。这里有几种方法，我这边主要想根实现将每个租户的代码逻辑抽象为配置项，通过配置文件或数据库表进行管理。在代码实现中，根据租户ID读取对应的配置信息，并根据配置信息动态地执行业务逻辑。这种方案可以有效地实现代码复用和灵活性。在配置信息中，可以定义某
转载
2024-03-30 21:07:49
12阅读
背景介绍本文针对有一定基础的数据分析人员，专门想了解卡方分箱原理和寻找能直接运行的代码的人员。分箱是特征工程中常见的操作，也就是将某一个变量划分为多个区间，比如对年龄分箱，1-10岁，10-40岁，40+岁。卡方分箱就是用来寻找最优分割点的方法。本文介绍了卡方分箱原理、python代码、使用数据集（有数据集构造代码）测试分箱效果几个部分。 注：这里保证代码肯定可以直接运行，并附上了检验分箱原理的代
转载
2023-11-15 16:25:23
183阅读
卡方分箱卡方分箱原理数据分析与数据挖掘之四大分布三大检验python自带分箱函数 -- 无法实现对分类型数据的分箱，可借助卡方分箱算法实现import numpy as np
import pandas as pd
data = np.random.randint(100, size=(10000,))
#自定义分箱
#cut(x, bins, right=True,
转载
2023-06-12 20:46:17
423阅读
个人观点，信贷行业中，模型稳定性往往比模型效果更重要。信贷行业所做的任何规则、政策、模型的调整，都需要较长时间才能知道结果如何，模型迭代周期相较于其他行业可能更长，因此一个模型的稳定性至关重要。当然在模型迭代周期较短的场景下，可以去追求更好的模型效果，比如有些反欺诈场景，模型模型迭代快，模型可以快速及时调整。但对于大多数其他情况，无论是做评分卡还是机器学习，个人在实践中会为了稳定性牺牲掉一些效果。
转载
2023-06-09 14:22:27
182阅读
# 使用卡方分箱进行数据分箱的Python实现
在数据分析和机器学习中，特征工程是至关重要的一步。卡方分箱（Chi-square Binning）是一种用于将数值型特征离散化的方法，可以帮助我们更好地理解数据并提高模型的预测能力。在这篇文章中，我将向你介绍如何利用Python进行卡方分箱的实现。我们将从整件事情的流程开始，逐步深入理解每一个步骤，并附上必要的代码和注释。
## 流程概述
以下
在机械学习中，我们经常会对数据进行分箱处理的操作， 也就是 把一段连续的值切分成若干段，每一段的值看成一个分类。这个把连续值转换成离散值的过程，我们叫做分箱处理。
比如，把年龄按15岁划分成一组，0-15岁叫做少年，16-30岁叫做青年，31-45岁叫做壮年。在这个过程中，我们把连续的年龄分成了三个类别，"少年"，"青年"和"壮年"就是各个类别的名称，或者叫做标签。
cu
转载
2023-10-18 17:40:35
149阅读
分箱操作就是将连续数据转换为分类对应物的过程。⽐如将连续的身⾼数据划分为：矮中⾼。分箱操作分为等距分箱和等频分箱。分箱操作也叫⾯元划分或者离散化。import numpy as np
import pandas as pd
df = pd.DataFrame(data = np.random.randint(0,150,size = (100,3)),
columns=['Python','T
转载
2023-06-29 20:54:37
206阅读
解决的问题： 1、实现了二分类的卡方分箱； 2、实现了最大分组限定停止条件，和最小阈值限定停止条件；问题，还不太清楚，后续补充。 1、自由度k,如何来确定，卡方阈值的自由度为 分箱数-1，显著性水平可以取10%，5%或1%算法扩展： 1、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，坏人率约束等。 2、需要实现更多分类的卡方分箱算法； 具体代码如下：# -
转载
2023-06-20 21:18:50
152阅读
在机器学习中，经常会对数据进行分箱处理操作，即将一段连续的值切分为若干段，每一段的值当成一个分类。 这个将连续值转换成离散值的过程，就是分箱处理。 例如：把年龄划分为18岁以下、18-30岁、30-45岁、45-60岁、60岁以上等5个标签（类别）。 Pandas 包中的 cut 和 qcut 都可 ...
转载
2021-11-01 16:56:00
4192阅读
2评论
## Python分箱
### 什么是分箱
在数据分析和机器学习中，分箱（binning）是一种将连续变量划分为离散区间的方法。分箱的目的是为了简化模型，降低模型对噪音的敏感度，并且能够提高模型在非线性关系上的拟合能力。
分箱是数据预处理中的一种重要步骤，它可以解决以下问题：
1. 处理离群值（outliers）：将离群值归入特定区间，避免其对模型的影响。
2. 处理缺失值（missing
原创
2023-08-10 19:02:02
643阅读
解决的问题：1、实现了二分类的卡方分箱；2、实现了最大分组限定停止条件，和最小阈值限定停止条件；问题，还不太清楚，后续补充。1、自由度k,如何来确定，卡方阈值的自由度为 分箱数-1，显著性水平可以取10%，5%或1%算法扩展：1、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，坏人率约束等。2、需要实现更多分类的卡方分箱算法；具体代码如下：# -*- coding:
转载
2023-07-29 14:48:51
124阅读
什么是分箱？简单点说就是将不同的东西，按照特定的条件放到一个指定容器里，比如水果 把绿色的放一个篮子里，红色一个篮子等等，这个篮子就是箱，而水果就是数据 颜色就是条件什么样式的数据要进行分箱数据主要分为连续变量和分类变量，分箱的操作主要针对于连续变量。为什么要对数据进行分箱操作稳定性，时间复杂度，看的舒服，提高准确度 等等分箱分为 有监督和无监督先说有监督，意思就是 个人确定范围区间
转载
2023-09-19 11:01:51
64阅读
使用 Pandas 的between 、cut、qcut 和 value_count离散化数值变量。分箱是一种常见的数据预处理技术有时也被称为分桶或离散化，他可用于将连续数据的间隔分组到“箱”或“桶”中。在本文中，我们将讨论使用 python Pandas 库对数值进行分箱的 4 种方法。我们创建以下合成数据用于演示import pandas as pd # version 1.3.5
impo
转载
2024-03-02 11:03:20
186阅读
什么叫分箱？连续变量的离散化处理。例如年龄：从1、2、3、4……100变成“1~20”、“21~30”差不多这个样子。问题场景（为什么要分箱）：不论是做业务分析还是建模前的特征工程，经常会遇到一个问题，连续变量需要分箱。且分箱会有一个诉求：分出来的组，对于目标指标（比如转化率）差异最大。业务分析中这样做的目的在于：一些连续变量对于最终结果指标的影响程度有更好的可解释性。比如客户的年龄与转化率相关性
转载
2023-09-04 22:39:40
283阅读
1、聚合统计1.1描述统计#df.describe(),对数据的总体特征进行描述
df.groupby('team').describe()df.groupby('team').describe().T #列数太多，进行转置1.2统计函数#对分组对象直接使用统计函数，分组内数据进行计算，返回df形式的数据
#计算平均数
df.groupby('team').mean()#相关性系数
转载
2023-12-19 16:38:37
100阅读
文章目录python 等深分箱法（均值平滑技术、边界值平滑技术）理论学习实验及结果等深分箱法（均值平滑技术、边界值平滑技术）等宽分箱法（均值平滑技术、边界值平滑技术） python 等深分箱法（均值平滑技术、边界值平滑技术）理论学习首先，仔细了解熟悉掌握了等深分箱法，等宽分箱法，均值平滑技术，边界值平滑技术，看了好几个博客，个人觉得讲的最清晰明了，对我帮助最大的是数据挖掘如何分箱以及如何对每个箱
转载
2023-08-26 12:44:03
464阅读
