卡方值計算

計算卡方值的函數(shù)需要輸入numpy格式的頻數(shù)表。對于pandas數(shù)據(jù)集，只需使用pd.crosstab計算即可，例如變量“總賬戶數(shù)” 與 目標(biāo)變量 “是否壞客戶” 的頻數(shù)表，如下圖：

?

每一行代表一個區(qū)間（組）的頻數(shù)，如上圖中第一行表示 總賬戶數(shù)在[2,3) 這個組內(nèi)對應(yīng)的好客戶3個， 壞客戶1個。

將頻數(shù)表轉(zhuǎn)成numpy數(shù)組，然后調(diào)用函數(shù)計算卡方值，計算邏輯如下：

1） 計算第 i 行的總數(shù)。

2） 計算第 j 列的總數(shù)。

3） 計算總頻數(shù) N。

4） 計算 第 i,j 格的期望頻數(shù)。

5）求的每個格中的卡方:

?

6） 由于期望頻數(shù) Ei,j有可能是0，此時上一步計算出來的結(jié)果無意義，需要清除，不計入最終結(jié)果。

7） 把所有格的卡方相加得到卡方值。

代碼如下

'author:xiaodongxu&monica'

ChiMerge分箱算法

卡方分箱函數(shù)可以根據(jù)最大分組數(shù)目和卡方閾值來控制最終的分箱數(shù)。

如果調(diào)用時既沒有設(shè)置最大分組數(shù)，也沒有指定閾值，那么函數(shù)會自動使用95%的置信度設(shè)置閾值。

分箱邏輯是：

1）初始時，所有變量值都自成一組，統(tǒng)計頻數(shù)。

2）然后按照各組起始值從小到大，依次掃描，取出兩組拼成計算卡方值。

如果當(dāng)前計算出的卡方值小于已觀察到的最小卡方值，則標(biāo)記當(dāng)前坐標(biāo)，并更新已觀察最小卡方值為當(dāng)前值。

3）掃描一遍后，如果當(dāng)前分組數(shù)大于最大分組數(shù)，或者最小卡方值小于閾值，就將最小卡方值對應(yīng)的兩組頻數(shù)合并，區(qū)間也合并。并回第2步執(zhí)行。否則，停止合并。輸出當(dāng)前各組的區(qū)間切分點。

代碼如下

'author:xiaodongxu&monica'

變量值轉(zhuǎn)分組

卡方分箱完成后，得到了各個分組的區(qū)間起始值。對于任給的一個變量值x，可以使用如下的函數(shù)獲得分組值。

代碼如下

'author:xiaodongxu&monica'

需要注意的是，如果需要轉(zhuǎn)換的值x不在分箱區(qū)間之內(nèi)，很有可能是異常值，不應(yīng)該期望上面的函數(shù)來處理這種情況，而應(yīng)采用專門的異常值處理程序。

評分卡建模中的使用實例

下面介紹一下評分卡建模中的卡方分箱的使用。先來看看數(shù)據(jù)集。

?

除了y變量外，還有3個變量：貸款額度（loan_amnt，數(shù)值型），總賬戶數(shù)（total_acc，數(shù)值型），地址州（addr_state，類別型）。

對總賬戶數(shù)total_acc進行分箱:

根據(jù)分箱結(jié)果進行轉(zhuǎn)換，衍生新的分組變量：

?

現(xiàn)在已經(jīng)將 total_acc衍生成為新的類別型變量 total_acc_chi2_group ，接下來可以用WOE編碼繼續(xù)加工，然后進入模型啦。

總結(jié)

以上是生活随笔為你收集整理的python评分卡建模-卡方分箱（2）之代码实现的全部內(nèi)容，希望文章能夠幫你解決所遇到的問題。

如果覺得生活随笔網(wǎng)站內(nèi)容還不錯，歡迎將生活随笔推薦給好友。