【说明】函数说明-assist.linear_info

API说明：assist.linear_info - 变量线性信息

一、函数说明

assist.linear_info用于计算数据的多重共线性信息，包括PCA贡献与相关系数矩阵。

完整调用格式如下：

pca_info,corr_info = linear_info(x,y,data_trans=None,bin_sets=None)

• 入参说明

x：变量数据。

         数据类型：pandas.DataFrame

y：样本标签，0为好，1为坏。

         数据类型：单列pandas.core.series

data_trans：数据的转换类型（可设为None、'grp'、'woe'）。

         数据类型：str

bin_sets：分箱设置。

         数据类型：list

当data_trans=None,bin_sets=None时，inear_info直接计算x、y的多重共线性信息，

当data_trans设为'grp'或'woe'时，必须设置bin_sets，此时先将x按bin_sets转换为'grp'或'woe'，再进行计算。

总的来说，inear_info就是计算x、y的多重共线性信息，并可指定是计算x本身，还是x的分组数据或woe数据。

• 出参说明

pca_info：变量的pca贡献，与累计贡献。

corr_info：相关系数矩阵。

二、函数示例

linear_info使用示例如下：

import bbbrisk as br

#加载数据                                                                   
data = br.datasets.load_bloan()                                           # 加载数据
x = data.iloc[:,:-1]                                                      # 变量数据
y = data['is_bad']                                                        # 标签数据
# 自动分箱                                                                
bin_sets = br.bins.batch.autoBins(x, y,enum_var=['city','marital'])       # 自动分箱
x_grp,_  = br.encode.grp.to_grp(x,bin_sets)                               # 将数据转换为分组数据

# 数据的多重共线性分析
pca,corr = br.assist.linear_info(x_grp,y )                                # 直接对数据进行分析
pca,corr = br.assist.linear_info(x,y,data_trans='grp',bin_sets=bin_sets ) # 将数据转为分组后再分析
pca,corr = br.assist.linear_info(x,y,data_trans='woe',bin_sets=bin_sets ) # 将数据转为woe后再分析

# 打印结果
print('\n* PCA贡献:\n',pca)                                               # 打印PCA贡献
print('\n* 相关系数矩阵:\n',corr)                                         # 打印相关系数矩阵

运行结果如下：

PCA信息中，第1列是主成份的贡献占比，第2列是累计占比。

从结果就可看到，前8个主成份的贡献占比都大于4%，因此，它并不存在非常严重的线性信息冗余。