關(guān)于變量分箱主要分為兩大類：有監(jiān)督型和無監(jiān)督型

公司專注于為企業(yè)提供成都做網(wǎng)站、網(wǎng)站建設、微信公眾號開發(fā)、商城網(wǎng)站開發(fā)，成都小程序開發(fā)，軟件按需網(wǎng)站制作等一站式互聯(lián)網(wǎng)企業(yè)服務。憑借多年豐富的經(jīng)驗，我們會仔細了解各客戶的需求而做出多方面的分析、設計、整合，為客戶設計出具風格及創(chuàng)意性的商業(yè)解決方案，成都創(chuàng)新互聯(lián)更提供一系列網(wǎng)站制作和網(wǎng)站推廣的服務。

對應的分箱方法：

A. 無監(jiān)督：(1) 等寬 (2) 等頻 (3) 聚類

B. 有監(jiān)督：(1) 卡方分箱法(ChiMerge) (2) ID3、C4.5、CART等單變量決策樹算法 (3) 信用評分建模的IV大化分箱 等

本篇使用python，基于CART算法對連續(xù)變量進行最優(yōu)分箱

由于CART是決策樹分類算法，所以相當于是單變量決策樹分類。

簡單介紹下理論：

CART是二叉樹，每次僅進行二元分類，對于連續(xù)性變量，方法是依次計算相鄰兩元素值的中位數(shù)，將數(shù)據(jù)集一分為二，計算該點作為切割點時的基尼值較分割前的基尼值下降程度，每次切分時，選擇基尼下降程度大的點為最優(yōu)切分點，再將切分后的數(shù)據(jù)集按同樣原則切分，直至終止條件為止。

關(guān)于CART分類的終止條件：視實際情況而定，我的案例設置為 a.每個葉子節(jié)點的樣本量>=總樣本量的5% b.內(nèi)部節(jié)點再劃分所需的最小樣本數(shù)>=總樣本量的10%

python代碼實現(xiàn)：

import pandas as pd
import numpy as np
 
#讀取數(shù)據(jù)集，至少包含變量和target兩列
sample_set = pd.read_excel('/數(shù)據(jù)樣本.xlsx')
 
def calc_score_median(sample_set, var):
  '''
  計算相鄰評分的中位數(shù)，以便進行決策樹二元切分
  param sample_set: 待切分樣本
  param var: 分割變量名稱
  '''
  var_list = list(np.unique(sample_set[var]))
  var_median_list = []
  for i in range(len(var_list) -1):
    var_median = (var_list[i] + var_list[i+1]) / 2
    var_median_list.append(var_median)
  return var_median_list

網(wǎng)站欄目：python實現(xiàn)連續(xù)變量最優(yōu)分箱詳解--CART算法-創(chuàng)新互聯(lián)
URL分享：http://www.rwnh.cn/article20/ijpjo.html

成都網(wǎng)站建設公司_創(chuàng)新互聯(lián)，為您提供品牌網(wǎng)站設計、定制開發(fā)、小程序開發(fā)、品牌網(wǎng)站建設、網(wǎng)站營銷、微信小程序

廣告

聲明：本網(wǎng)站發(fā)布的內(nèi)容（圖片、視頻和文字）以用戶投稿、用戶轉(zhuǎn)載內(nèi)容為主，如果涉及侵權(quán)請盡快告知，我們將會在第一時間刪除。文章觀點不代表本網(wǎng)站立場，如需處理請聯(lián)系客服。電話：028-86922220；郵箱：631063699@qq.com。內(nèi)容未經(jīng)允許不得轉(zhuǎn)載，或轉(zhuǎn)載時需注明來源： 創(chuàng)新互聯(lián)