OptBinning 特征分箱包使用介绍

OptBinning：支持数值型和分类型的最大IV分箱，并可保证分箱单调性，同事方便处理缺失值。作为一个分箱包还是挺好用，这里简答介绍了这个包中OptimalBinning和fit_transform的参数。

1、使用案例

import pandas as pd 
from sklearn.datasets import load_breast_cancer
# 数据准备
data = load_breast_cancer()
df = pd.DataFrame(data.data, columns=data.feature_names)
variable = "mean radius"
x = df[variable].values
y = data.target
from optbinning import OptimalBinning
optb = OptimalBinning(name=variable, dtype="numerical", solver="cp",max_n_bins=5) # 通过设置参数建立分箱器
w =  optb.fit_transform(x,y,metric='indices')  # 通过设置参数进行分箱
optb.binning_table.build()  # 展示分箱结果 
           

Bin	Count	Count (%)	Non-event	Event	Event rate	WoE	IV	JS
(-inf, 12.33)	197	0.346221	6	191	0.969543	-2.939364	1.489412	0.139117
1	[12.33, 13.09)	68	0.119508	7	61	0.897059	-1.643814	0.226599	0.025513
2	[13.09, 15.05)	132	0.231986	38	94	0.712121	-0.384559	0.032326	0.004016
3	[15.05, 16.93)	54	0.094903	44	10	0.185185	2.002754	0.359566	0.038678
4	[16.93, inf)	118	0.207381	117	1	0.008475	5.283323	2.900997	0.183436
5	Special	0.000000	0.000000	0.0	0.000000	0.000000
6	Missing	0.000000	0.000000	0.0	0.000000	0.000000
Totals	569	1.000000	212	357	0.627417	5.008900	0.390760

array([12.32999992, 13.09499979, 15.04500008, 16.92500019])
           

(0.8667089477300354, 5.008900160240071, 0.7286216373341788)
           

2、OptimalBinning 构建分箱器参数介绍

变量名称、类型和默认值	解释	可选参数	说明
name : str, optional (default=“”)	变量名称	不重要
dtype : str, optional (default=“numerical”)	分箱类型	numerical；categorical	numerical：数值型；categorical：分类型；
prebinning_method : str, optional (default="cart	分箱方法	cart；mdlp；quantile；uniform	cart：决策树； mdlp：Minimum Description Length Principle ； quantile：分位数，等频率uniform：等宽分箱
solver : str, optional (default=“cp”)	算子	cp；mip	不重要，一般按默认算子
divergence : str, optional (default=“iv”)	划分依据	iv；js；hellinger；triangular	求解最大化的指标，其他不了解，一般使用iv
min_n_bins 、max_n_bins: int or None, optional (default=None)	最小、最大分箱数量
min_bin_size、max_bin_size : float or None, optional (default=None)	最小、最大箱数据占比
min_bin_n_nonevent、max_bin_n_nonevent 、min_bin_n_event 、max_bin_n_event ：nt or None, optional (default=None)	箱中响应和不响应最小（最大）数量
monotonic_trend： : str or None, optional (default=“auto”)	单调趋势	一般使用的有：ascending，descending，auto_asc_desc，peak，valley	ascending：单调递增； descending：单调递减 auto_asc_desc：自动增减： peak：先增后减 valley：先减后增
min_event_rate_diff : float, optional (default=0)	相隔分箱之间最小差距	only applies when monotonic_trend is “ascending”, “descending”, “peak_heuristic” or “valley_heuristic”.
user_splits_fixed	提前设定的分箱

3、optb.fit_transform 数据分箱参数介绍

变量名称、类型和默认值	解释	可选参数	说明
x : array-like, shape = (n_samples,)	x
y : array-like, shape = (n_samples,)	y
sample_weight : array-like of shape (n_samples,) (default=None)	样本权重
metric : str (default=“woe”)	编码方式	woe；event_rate；indices；bins	woe、event_rate：返回区间woe和rate； indices：返回0,1,2,3； bins：返回分箱区间；
metric_missing :loat or str (default=0)	缺失值编码	缺失值编码的值