【1】评分卡实例-数据分箱处理

接上文《评分卡实例-问题概述》

前文提要与本文概述

上节我们已经介绍了用于建立评分卡的原始数据，
本文我们讲述制作评分卡的第一步：数据准备(分箱处理)。数据准备共包括变量的选择和预处理，这一步骤也称为特征工程，其中"分箱处理"就是最主要的内容了，下面我们就来看看评分卡中，在建模前应该怎么处理数据，特别是分箱处理，它是评分卡中最重要、最耗时的一步。

一、评分卡-变量分箱与选择

本节讲述如何将评分卡实例中的数据进行分箱、并选择出可用的变量。

1.1. 变量分箱与选择

在评分卡建模之前，我们需要先对变量进行分析，选择出入模的变量。

变量的分析主要包括变量分析、选择与分箱，三者是一起完成的，总的来说，就是将原始变量变散化，并从中选择出与y强相关的变量作为入模变量。

变量分析的实际操作流程如下：

1. 将变量进行分箱。

2. 使用badRate趋势分析法(或iv法)分析哪些变量可以入模。

其中，badRate法分析过程如下：

1. 检查变量与badRate是否相关，确定该变量是否可以入模。

2. 对变量进一步分箱，使变量与badrate的关系更明显。

备注：1和2是反复进行的，一边分箱，一边确定要不要该变量

1.2. 变量分箱与选择-例子(badrate法)

下面通过一个例子，简单了解badrate法是如何对变量进行分箱以及分析的。

以rev变量为例，我们先粗略对它进行分箱，试探变量的badRate趋势。

rev变量的初探结果如下：

备注：badrate就是坏客户占比，即该组的坏客户在该组总客户中的占比。

可以看到，rev变量的badRate有一定的单调趋势，即随着rev越大，badrate越大，由此可认为rev变量有效，因此我们进一步对rev变量进行精细分箱，使得badrate趋势更明显。

rev变量最终的分箱结果如下：

这里只是简单地讲述rev变量的分箱与分析，具体详细的过程见《rev变量-分箱过程》

1.3. 评分卡实例-变量选择与分箱结果

对所有变量都进行分箱以及分析，并选择出有效的变量来作为入模变量。

在本例中，所有变量与badRate都有明显的关系，因此10个变量都有效。

完成分箱后，将入模变量根据分箱逻辑，将原始数据转换为分箱数据，转换后的分箱数据如下：

这里我们只是简单的描述和举例说明变量的分析、选择和分析，具体过程参考《评分卡实例-变量分箱》。

二、评分卡变量-WOE转换

上面我们已经将数据转换为分箱了，进一步地，还需要把分箱组号转换为WOE值。

2.1. WOE-转换过程

将组号转换为WOE值的转换过程如下：

Step-1. 计算特征WOE映射表

特征WOE映射表记录特征的各个分组对应的WOE值，

特征X第i组的WOE值计算如下：

其中,

    ：坏样本总个数       

  ：好样本总个数       

            ：坏样本且X为第i组的个数

           ： 好样本且X为第i组的个数

Step-2. 将特征取值转换为WOE值

按照特征WOE映射表，把特征的组别，映射成对应的WOE值即可。

2.2. WOE转换-举例说明

下面我们以特征rev转换WOE为例，说明转WOE的过程。

1. 计算rev的WOE映射表

即计算每个组别对应的WOE值，结果如下：

解说：从rev变量的分箱中可知，坏样本1383个，好样本18617个，而第0组坏样本102个，好样本6188个，因此，第0组的woe为：

2. 将特征取值转换为WOE值

将特征rev的组别按特征WOE映射表，转换成woe数据，转换前后的所有变量数据示例如下：

2.3. 关于转WOE的必要性

把组号转为WOE，主要是因为组号与badrate不是单调的线性关系。虽然正规则流程里，必须将特征取值转为WOE值，但在实际项目中，有些老同学并没有转WOE，老饼对这现象总结如下：

1. 可转可不转WOE：如果在分箱阶段，组别是按badRate大小进行编号的，转WOE对模型最终的效果不是非常明显，有些人会忽略WOE转换，主要嫌麻烦。

2. 必须转WOE：如果分箱阶段，不按badRate大小进行编号，此时badRate与组别不是单调关系，这时，必须做WOE转换，转WOE能使变量与badRate成单调关系。

本文小结

总的来说，我们先选出与客户质量强相关的变量作为入模变量，并将变量分箱离散化，然后再把数据转为WOE，以上工作就形成了评分卡的建模数据，下张文章我们再讲解如何使用这些数据进行建模。