如果给出正态分布总体的均值和标准偏差，我们就能通过计算出小于或大于任何值的百分比，将该值与总体中剩余的值对比，那对于样本呢，我们如何将总体中的特定样本与其他样本相比较？ □ 通过算出该样本的均值
□ 通过算出总体中其他样本的均值
□ 通过将该样本的均值与其他样本的均值进行对比 所有选项都正，之前我们已经了解到中心值可以描述一组数据，如果我们要对比样本，我们可以对比该样本的中心值
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
# Python 最优分箱技术
在数据分析与机器学习中，数据预处理是至关重要的步骤之一。分箱（Binning）技术作为这种预处理中的一种方法，主要用于将连续变量转换为离散变量。这样可以减少数据的复杂性，并提高模型的稳定性。本文将详细介绍Python中最优分箱的理念和实现，配合代码示例和可视化，帮助读者更好地理解该技术。
## 什么是分箱？
分箱是将连续数据划分为多个区间或“箱”的过程。其主要
# 最优 IV 分箱及其 Python 实现
在数据科学与机器学习中，特征工程是模型表现的关键。IV（信息值）分箱是一种用于特征选择和数据预处理的技术，它可以帮助我们识别对目标变量最有影响的特征。在本文中，我们将探讨如何使用 Python 实现最优 IV 分箱的技术。
## 什么是 IV？
信息值（IV）是一个统计量，用于衡量自变量对因变量的预测能力。具体而言，IV 的计算基于每个分箱的好坏
原创
2024-10-14 04:56:49
350阅读
# 使用Python的Optimal Binning实现最优分箱结果保存
在数据处理和分析的过程中，分箱是一种常见的技巧，用于将连续变量转换成分类变量。最优分箱的目的就是通过算法找出最适合的分箱方式，从而提升模型的效果。接下来，我们将通过步骤清晰的方式来实现Python的最优分箱，并将结果保存。以下是整个流程：
## 步骤流程概览
| 步骤 | 说明
目录一.引言二.排列 A-Permute◆ 定义◆ 计算◆ 性质◆ 实现三.组合 C-Combine◆ 定义◆ 计算◆ 性质◆ 实现四.经典算法题目1.全排列 [无重复]2.全排列 [有重复]3.组合 [可重复]4.子集 [无重复]5.子集 [有重复]五.总结一.引言关于排列前面已经介绍了一部分算法，例如求数组的全排列，求子集等等，我们可以使用回朔的方法进行计算，今天主要讲下数学上排列与组合的计算
# 如何在R语言中实现最优分箱
最优分箱（Optimal Binning）是一种数据处理技术，它广泛应用于信贷风险建模、数据预处理和机器学习过程中。分箱是将连续变量转换为类别变量的一种方法，以帮助分类模型更好地理解数据。本文将指导您如何在R语言中实现最优分箱，尤其是对于初学者。
## 整体流程
为了实现最优分箱，我们可以遵循以下步骤：
| 步骤 | 描述
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
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
卡方分箱卡方分箱是自底向上的(即基于合并的)数据离散化方法。它依赖于卡方检验:具有最小卡方值的相邻区间合并在一起,直到满足确定的停止准则。基本思想:对于精确的离散化，相对类频率在一个区间内应当完全一致。因此,如果两个相邻的区间具有非常类似的类分布，则这两个区间可以合并；否则，它们应当保持分开。而低卡方值表明它们具有相似的类分布。这里需要注意初始化时需要对实例进行排序，在排序的基础上进行合并。卡方阈
转载
2024-08-07 11:20:39
76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
# Python 分箱代码实现
## 1. 整体流程
下面的表格展示了实现Python分箱代码的整体流程：
| 步骤 | 描述 |
| --- | --- |
| 步骤1 | 准备数据 |
| 步骤2 | 数据预处理 |
| 步骤3 | 分箱操作 |
| 步骤4 | 分析箱子结果 |
| 步骤5 | 结果可视化 |
在接下来的文章中，我将逐步介绍每个步骤的具体实现方法和所需代码。
##
原创
2023-08-22 08:02:35
219阅读
1、变量1.1 变量的操作变量是程序中临时存储数据的容器，存储是为了之后继续使用。
变量需要先声明后使用基本操作# 增加变量数据，直接赋值
a = 1000
# 需要修改则重新赋值
a = 10000
# 通过变量名可查询或使用
print(a)
# 删除变量
del a特殊操作# 连续赋值
a, b = 1000, 10000 # 等于 a = 1000 b = 10000
# 变
转载
2024-02-21 20:19:30
34阅读
笔者在实际工作中，有幸接触到海量的数据处理问题，对其进行处理是一项艰巨而复杂的任务。原因有以下几个方面：
一、数据量过大，数据中什么情况都可能存在。如果说有10条数据，那么大不了每条去逐一检查，人为处理，如果有上百条数据，也可以考虑，如果数据上到千万
级别，甚至过亿，那不是手工能解决的了，必须通过工具或者程序进行处理，尤其海量的数据中，什么情况都可能存在，例如
转载
2024-09-17 12:55:03
32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
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
# 等距分箱及其在Python中的应用
## 引言
在数据分析和机器学习中，我们经常需要对连续型变量进行分箱处理，以便更好地理解和挖掘数据。等距分箱是最简单且常用的一种分箱方法之一，它将连续型变量划分为若干个等宽的区间，将原始数据离散化成有限的几个值。本文将介绍等距分箱的原理和在Python中的实现方法，并通过代码示例展示其具体应用。
## 等距分箱的原理
等距分箱的原理非常简单，即将连续
原创
2023-10-16 09:57:49
120阅读
当你打开这篇文章，一定是遇到了如下问题场景： 情景1，有一组数据标签，我们希望给数据加一个合理的波动，即认为：属于标签的合理波动。 情景2，有一组数据标签，
