【R包】woeBinning：woe分箱包

测试开头

【R包】woeBinning：woe分箱包

笔者邀请您，先思考：

1 WOE和IV怎么计算？

2 如何对变量做分箱？

本文介绍woe分箱包-woeBinning，利用该包实现自动分箱和计算变量的IV值。

woeBinning包介绍

woeBinning包使数字变量和因子相对于二元目标变量的分箱过程自动化。此外，它可视化已实现的分箱解决方案，可以表格化和部署应用到新的数据集。所有函数都可以与单个变量或整个数据框一起使用。

woeBinning函数

woe.binning对数值变量或者因子变量生成一个受监督的细分和粗分类。
woe.tree.binning对数值变量和因子变量生成监督树状分割。
woe.binning.plot对woe.binning或者woe.tree.binning的分箱解决方案进行数据可视化。
woe.binning.table对woe.binning或woe.tree.binning的分箱解决方案的结果进行表格化保存。
woe.binning.deploy将把woe.binning或woe.tree.binning生成并保存的分箱解决方案部署和应用到（新）数据中。

woe和IV计算逻辑

woe 计算

IV计算

woe-iv计算例子

思考：上述表里面的值是如何计算的？

woeBining包应用举例

# 加载woeBinning包，若是没有安装，请先安装
library(woeBinning)
# 加载dplyr包
library(dplyr)

# 使用包自带的数据集germancredit
data("germancredit")

# 数据集检视
print(dim(germancredit))
print(head(germancredit))

# 数据集部分变量数据获取
# 定性变量和定量变量
df <- germancredit[, c('creditability', 'credit.amount', 'duration.in.month', 'savings.account.and.bonds', 'purpose')]
print(head(df))

# 自动分箱操作
binning <- woe.binning(df, 'creditability', df)

# 自动分箱后结果可视化
woe.binning.plot(binning)

变量集的woe值分布情况可视化

变量集的IV值分布情况可视化

结论：
变量duration.in.month的IV值最高，为0.254

基于iv值应用的经验法则，总结如下：

1） < 0.02 非常弱不纳入到模型变量候选集
2）[0.02, 0.1) 很弱针对实际情况决定是否纳入模型变量候选集
3）[0.1, 0.3) 一般纳入模型变量候选集
4）[0.3, 0.5) 强纳入模型变量候选集
5）>= 0.5 很强，具有可疑性，要进一步调查

# 分箱解决方案表格化存储
tabulate.binning <- woe.binning.table(binning)
tabulate.binning
# 分箱解决方案部署和应用到新的数据集
df.with.binned.vars.added <- woe.binning.deploy(
  df,
  binning,
  add.woe.or.dum.var = 'woe'
)

View(df.with.binned.vars.added)

woe.df <- df.with.binned.vars.added %>% dplyr::select(contains("woe."))
View(head(woe.df))

完整代码

#加载R包
library(woeBinning)
library(dplyr)

#加载数据集
data("germancredit")
print(dim(germancredit))
print(head(germancredit))

# 部分变量数据获取
# 定性变量和定量变量
df <- germancredit[, c('creditability', 'credit.amount', 'duration.in.month',
                       'savings.account.and.bonds', 'purpose')]
print(head(df))

# 自动分箱操作
binning <- woe.binning(df, 'creditability', df)

# 自动分箱后结果可视化
woe.binning.plot(binning) 

tabulate.binning <- woe.binning.table(binning)
View(tabulate.binning)

df.with.binned.vars.added <- woe.binning.deploy(
  df,
  binning,
  add.woe.or.dum.var = 'woe'
)

View(df.with.binned.vars.added)

woe.df <- df.with.binned.vars.added %>% dplyr::select(contains("woe."))
View(head(woe.df))

完整代码也可以见GitHub（点击阅读原文，进入GitHub链接）。

数据人网是数据人学习、交流和分享的平台http://shujuren.org 。专注于从数据中学习到有用知识。
平台的理念：人人投稿，知识共享；人人分析，洞见驱动；智慧聚合，普惠人人。
您在数据人网平台，可以1）学习数据知识；2）创建数据博客；3）认识数据朋友；4）寻找数据工作；5）找到其它与数据相关的干货。
我们努力坚持做原创，聚合和分享优质的省时的数据知识！
我们都是数据人，数据是有价值的，坚定不移地实现从数据到商业价值的转换！

加入数据人圈子或者商务合作，请添加笔者微信。