1.变量的预测能力我们在用逻辑回归、决策树等模型方法构建分类模型时，经常需要对自变量进行筛选。比如我们有200个候选自变量，通常情况下，不会直接把200个变量直接放到模型中去进行拟合训练，而是会用一些方法，从这200个自变量中挑选一些出来，放进模型，形成入模变量列表。那么我们怎么去挑选入模变量呢？挑选入模变量过程是个比较复杂的过程，需要考虑的因素很多，比如：变量的预测能力，变量之间的相关性，变量的
转载
2023-11-28 12:47:44
96阅读
import pandas as pd
import numpy as np
import statsmodels.api as sm
import statsmodels.stats.outliers_influence
data=pd.read_csv("D:\excel\REGRESSION/P256.csv")
from statsmodels.stats.outliers_influe
转载
2023-06-29 00:14:10
90阅读
使用Python开发项目免不了要安装各种包。我们安装的所有包都会被安装到同一个目录下，供Python调用。如果两个Python项目用到同一个包的不同版本；或者一个新项目需要用到的包会影响以前已经完成调试的项目的开发环境，这时候我们的Python开发环境就会出问题。「虚拟环境」可以解决以上痛点。它为我们每一个 Python 项目创建一个隔离的开发环境，每个开发环境所安装的包和依赖相互独立，可以确保项
原始数据，如按年龄离散化 。首先元素各值频数的分布。 WOE（Weight of
原创
2023-01-10 11:19:37
94阅读
一.介绍对于woe和IV，简单来说就是用来进行特征选择的方法，我做了两个例子来简单说明一下，例子的代码放到了文章的最后。如果你想看看原理：(你就想求IV和woe，可以直接看例子，跑代码)二.银行例子（寻找和标签关联最高的特征）首先最简单的示例，也是一般官方提供的，我这里展示一下数据： 可以看出既有文字，也有数字。这里呢如果你有相似的数据需要处理，那你不用担心了，代码已经写好。你不必担心这
转载
2024-05-17 02:42:38
101阅读
计算WOE和IV是评分卡模型的一个重要环节，之前没有仔细研究过，但总觉得他们既然可以放在评分卡模型中去解决相应的问题，那应该也可以放在其他模型中解决相似的问题，所以还是很值得研究一下。下文是自己对这两个指标的理解整理。 应用场景WOE和IV主要用来判断变量的预测强度，比如判断用户收入对用户是否会发生逾期的预测强度。因此，两个值的使用主要是在有监督的分类问题中，具体可以细化到如下方面：指导
原创
2021-03-24 19:13:47
1449阅读
word和excel是办公过程必不可少的两个文档类型，word多用于文字处理，比如备忘录、论文、书籍、报告、商业信函等，excel可以制作精美的图表，还可以计算、分析、记录数据。二者在功能达成上有重叠，工作过程中经常需要转换，如果内容少，还可以手动解决，但是一旦数据量庞大，靠手动，耗时费力不说，还很容易出现差错，今天以两个实例，教大家如何用Python实现word和excel之间的转换。 
转载
2023-05-29 16:05:16
136阅读
# Python调用WOE实现步骤
## 1. 确定需求
在开始编写代码之前，我们需要明确我们的需求是什么。WOE（Weight of Evidence）是一种用于评估变量对于目标变量的预测能力的方法，通常用于信用评分模型等场景中。
## 2. 安装WOE库
在Python中，我们可以使用`pywoe`库来实现WOE的计算。首先我们需要安装该库，可以使用以下代码进行安装：
```python
原创
2023-09-19 03:51:08
297阅读
# Python异常处理: 了解和处理Python中的错误
在Python编程过程中，错误和异常是难以避免的。然而，通过正确地了解和处理异常，我们可以提高程序的稳定性和可靠性。本文将介绍Python中的异常处理机制，并通过示例代码演示如何捕获和处理异常。
## 什么是异常？
在Python中，当程序出现错误或意外情况时，会引发异常。异常是一种Python对象，它包含有关错误的信息，如错误类型
原创
2024-04-01 04:42:33
6阅读
# Python中的WOE转换
## 1. 介绍
在数据分析和建模中，WOE（Weight of Evidence）是一种常用的转换方法。WOE转换可以将特征值转换为可以直接用于建模的数值，同时保留了特征值之间的信息。WOE转换的主要作用是处理分类变量，通常用于逻辑回归等模型的建模中。
本文将介绍如何使用Python进行WOE转换，并提供相应的代码示例。
## 2. WOE转换原理
WO
原创
2024-06-08 03:20:18
176阅读
## Python实现WOE（Weight of Evidence）
WOE（Weight of Evidence）是一种常用于评估自变量的预测能力的统计方法。在建立信用评分模型、风险评估模型等领域中，WOE被广泛使用。
### 实现流程
下面是实现WOE的流程：
| 步骤 | 描述 |
| --- | --- |
| 1 | 数据准备 |
| 2 | 数据分箱 |
| 3 | 计算WOE
原创
2023-08-24 20:40:04
155阅读
Python woe 0.0.7 源码解析（https://pypi.python.org/pypi/woe/0.0.7） 数据挖掘模型中的IV和WOE详解 概念简述，提取自上链接： iv（Information Value，中文意思是信息价值），变量的预测能力。 WOE的全称是“Weight of Evidence”，即证据权重，是对原始自变量的一种编码形式。要对一个变量进行woe编码
转载
2024-01-17 11:35:25
61阅读
本系列分以下章节：python评分卡1_woe与IV值python评分卡2_woe与IV分箱方法python评分卡3_woe与IV分箱实现python评分卡4_logistics原理与解法_sklearn英译汉python评分卡5_Logit例1_plot_logistic_l1_l2_sparsitypython评分卡6_Logit例2plot_logistic_path1.Python第三方库
转载
2024-01-15 01:58:28
35阅读
总结IV (信息价值，或者信息量)作用：可以用来衡量自变量(特征)的预测能力公式：对每组的IV值求和就可以求出一个特征的IV值系数（py-pn）:这个系数很好的考虑了这个分组中样本占整体样本的比例，比例越低，这个分组对特征整体预测能力的贡献越低WOE (证据权重)公式：由公式可以看出，一组样本确定后，分母值是确定的，yi正例样本越大该组样本的WOE越大。(WOE值有正有负)前提：计算WOE首先需要
转载
2023-08-03 23:31:05
224阅读
RDD是spark的核心和重要组成，spark内部提供了丰富的算子供我们使用，节省了开发时间使得开发更为高效，从而让我们专注业务逻辑。因为spark丰富的算子使得它更适用于需要复杂计算的业务场景。这次将会分享一些关于RDD的概念和理论以及经典的字数统计案例RDD概念RDD(Resilient Distributed Dateset)，弹性分布式数据集。RDD的五大特性：RDD是由一系列的parti
转载
2024-07-03 06:32:51
35阅读
# 逻辑回归与WOE（Weight of Evidence）在Python中的应用
逻辑回归（Logistic Regression）是一种用于解决分类问题的机器学习算法，它可以用来预测二元变量的结果（比如是/否、成功/失败等）。而WOE（Weight of Evidence）是一种用于评估自变量与因变量之间关系的指标，常用于信用评分卡模型中。
在本文中，我们将介绍如何在Python中使用逻辑
原创
2024-04-15 06:25:25
211阅读
5，自定义模块这个最简单， 创建一个.py文件，就可以称之为模块，就可以在另外一个程序里导入6，模块查找顺序python解释器会按照列表顺序去依次到每个目录下去匹配你要导入的模块名，只要在一个目录下匹配到了该模块名，就立刻导入，不再继续往后找。注意列表第一个元素为空，即代表当前目录，所以你自己定义的模块在当前目录会被优先导入。默认情况下，模块的搜索顺序是这样的：当前执行脚本所在目录Python的安
## 什么是WOE分箱
WOE（Weight of Evidence）是一种常用的特征离散化方法，它可以将连续变量转换为离散变量，从而更好地适应建模需求。WOE分箱的主要目的是将原始数据进行分组，使得同一组内的样本具有较为相似的响应概率，而不同组之间的响应概率有较大的差异。通过WOE分箱，我们可以更好地了解自变量对于因变量的影响程度。
关于WOE分箱的代码实现一般使用Python编程语言，下面
原创
2023-08-11 16:42:06
418阅读
## 特征分箱woe python实现教程
### 1. 概述
在数据分析和建模中，特征分箱是一种常见的数据预处理技术，通过将连续型变量划分为若干个区间（箱子）来减少数据的噪音和复杂度。WOE（Weight of Evidence）是评估自变量与因变量之间关联性的指标，常用于评分卡模型的开发。本教程将指导你如何在Python中实现特征分箱和WOE转换。
### 2. 整体流程
```mer
原创
2024-03-25 06:00:17
114阅读
# Python woe库使用
## 介绍
在数据分析和建模过程中，衡量变量的预测能力是非常重要的。而WOE（Weight of Evidence）是一种常用的衡量变量预测能力的指标。它通过比较不同分组之间的好坏比（good/bad ratio）来评估变量的预测能力。WOE值越大，变量的预测能力越强。
Python woe库是一个用于计算WOE
原创
2023-10-27 14:26:31
582阅读
