最优分箱

[maocy1991]

大神，您好，请问你们有用到最优分箱吗？Python怎样实现最优分箱？

[hczheng]

你好，最优分箱这部分是我队友做的，他用的应该是R里面的smbinning，https://cran.r-project.org/web/packages/smbinning/index.html。 python的刚搜了一下：https://statcompute.wordpress.com/2012/12/08/monotonic-binning-with-python/

[maocy1991]

我采用：https://statcompute.wordpress.com/2012/12/08/monotonic-binning-with-python/里面的分箱函数，但是得不出分箱结果； 请问你们项目主要是用pythonn ,那R的最优分箱是怎么运用到项目里的呢？ 我也有用R来做，但是项目最终要求用python出最终结果

[hczheng]

是这样的，因为我们是参加比赛，我用的python，队友习惯用R，他把我们的特征数据集分箱后存成csv再分享出来，我再跑模型，所以不影响。

[maocy1991]

谢谢大神

[statcompute]

Statcompute的分箱算法是我写的了。我在GitHub里又加了几个改进版。大家不妨试一下。如果有改进建议，希望告诉我。谢谢。

[lancexiong]

Statcompute的分箱算法是我写的了。我在GitHub里又加了几个改进版。大家不妨试一下。如果有改进建议，希望告诉我。谢谢。

你好，请问下你写的分享算法原理是什么呢？我看到有的mono_bin的分箱算法要计算spearman相关系数，这是为什么呢?

[statcompute]

这不是挺明显的吗？单调的必要条件就是SPEARMAN的绝对值必为一。

[lancexiong]

这不是挺明显的吗？单调的必要条件就是SPEARMAN的绝对值必为一。

那为什么不用pearson相关系数要用spearman相关系数，这里的单调指的是随着预测变量比如年龄的增加，违约率（bad_rate）是要单调上升或者下降，但是最后不是要保证woe值是单调的吗？如果保证bad_rate单调就一定能使得woe值也是单调的吗？ 尝试了下对逾期数据中的年龄进行分箱，发现一个问题就是当我用mono_bin设定箱数是20和10开始缩小分箱数量的时候，发现一个分箱是17，一个分箱是9。那究竟分箱是多少才算正确？

[statcompute]

我要的是单调而不是线性单调，Pearson太严格了，所以不是我要的。 你关于WOE和BAD_RATE单调的问题，建议你自己动手做一下。 至于你最后的那个问题，我已经有个升级版了。看一下 https://github.com/statcompute/MonotonicBinning 。 谢谢。

[lancexiong]

我要的是单调而不是线性单调，Pearson太严格了，所以不是我要的。 你关于WOE和BAD_RATE单调的问题，建议你自己动手做一下。 至于你最后的那个问题，我已经有个升级版了。看一下 https://github.com/statcompute/MonotonicBinning 。 谢谢。

请问您实现的那4种分箱方法，manual_bin,qtl_bin,bad_bin,iso_bin的具体原理是什么呢？有没有相关资料参考下，因为R代码没有注释，不怎么能看懂，不知是否有python版本的？

[statcompute]

您说的完全对，的确有很多需要提高的地方。实在是太忙了，请您多担待。