中国统计网|1」，Python实战：信用评分模型开发「Part( 三 )
针对我们将使用最优分段对于数据集中的RevolvingUtilizationOfUnsecuredLines、
age、DebtRatio和MonthlyIncome进行分类 。
RevolvingUtilizationOfUnsecuredLines分箱情况
文章图片
age分箱情况
DebtRatio分箱情况
MonthlyIncome分箱情况
针对不能最优分箱的变量 ， 分箱如下：
2.WOE
WoE分析 ， 是对指标分箱、计算各个档位的WoE值并观察WoE值随指标变化的趋势 。 其中WoE的数学定义是:
woe=ln(goodattribute/badattribute)
在进行分析时 ， 我们需要对各指标从小到大排列 ， 并计算出相应分档的WoE值 。
其中正向指标越大 ， WoE值越小；反向指标越大 ， WoE值越大 。
正向指标的WoE值负斜率越大 ， 反响指标的正斜率越大 ， 则说明指标区分能力好 。
WoE值趋近于直线 ， 则意味指标判断能力较弱 。
若正向指标和WoE正相关趋势、反向指标同WoE出现负相关趋势 ， 则说明此指标不符合经济意义 ， 则应当予以去除 。
3.相关性分析和IV筛选
接下来 ， 我们会用经过清洗后的数据看一下变量间的相关性 。
注意:这里的相关性分析只是初步的检查 ， 进一步检查模型的VI（证据权重）作为变量筛选的依据 。相关性图我们通过Python里面的seaborn包 ， 调用heatmap绘图函数进行绘制 ， 实现代码如下：
文章图片
数据集各变量的相关性
由上图可以看出 ， 各变量之间的相关性是非常小的 。 NumberOfOpenCreditLinesAndLoans和NumberRealEstateLoansOrLines的相关性系数为0.43 。
接下来 ， 我进一步计算每个变量的InfomationValue（IV） 。 IV指标是一般用来确定自变量的预测能力 。 其公式为：
IV=sum((goodattribute-badattribute)*ln(goodattribute/badattribute))
通过IV值判断变量预测能力的标准是：
<0.02:unpredictive
0.02to0.1:weak
0.1to0.3:medium
0.3to0.5:strong
>0.5:suspicious
IV的实现放在mono_bin函数里面 ， 代码实现如下：
输出图像：
文章图片
输出的各变量IV图
可以看出 ， 以下几个变量：
DebtRatio
MonthlyIncome
NumberOfOpenCreditLinesAndLoans
NumberRealEstateLoansOrLines
NumberOfDependents
【中国统计网|1」，Python实战：信用评分模型开发「Part】变量的IV值明显较低 ， 所以予以删除 。
推荐阅读
- 松鼠热点|嘉兴企业摘得初创组桂冠，中国双创大赛浙江赛区收官
- 数码小妖精|苹果跌至第二，新王者诞生，中国高端手机市场洗牌：小米崭露头角
- 葡萄酒|月球版图公开，美日霸占资源最丰富的两极，中国的位置在哪里？
- 芯片|日本：中国自研光子芯片“弯道超车”，未来芯片将“一文不值”！
- 量子卫星|霍金担忧有道理？中国天眼意外找到“第二地球”，专家：并非好事
- 5G|准备迎战！中国市场出现新5G套餐，策略比移动、广电还要激进！
- 中投顾问|2020-2024年中国协作机器人产业的分析
- 元元科技|在海南免税店？，全球购买iPhone12最便宜的地方在中国
- 三星|好评率99%！三星在中国“翻身”，份额从0.8%升至3.5%！
- 芯片|中国芯片传来喜讯！令荷兰意外的是，这次光刻机也要靠边站