【答疑】评分卡-其它的常见答疑

在使用bbbrisk构建评分卡时，往往会有各种疑问，这里我们统一给出一些答疑。

一、评分卡-bbbrisk-常见答疑

• 问题1：评分卡训练后的有效变量太少，怎么让它多一些？

我们知道，在训练逻辑回归时，是以逐步回归的方式(逐个添加变量)来进行训练，如果添加变量的效果不明显，就会停止添加变量。如果想让变量更多一些，那么可以将"效果阈值"调低一些，如下：

logit_model,card = br.model.scoreCard(x,y,bin_sets,train_param={'select_tol':0.005})

当AUC提升比小于select_tol(默认值0.005)时，就会停止训练，如果把它设得更小(例如0.001)，就会添加更多的变量进来，极端地，当select_tol设为0时，所有变量都会添加进来。

--------------------------------------------

• 问题2：全自动建模时，自动分箱使用的是卡方分箱，如何设为其它自动分箱？

全自动分箱函数为autoBins(x,y,enum_var=['city','marital'])，它默认采用的是卡方分箱，但它预留了处理单个变量分箱时所采用的函数接口one_fcn，如果要采用其它分箱，重新实现一下one_fcn就可以了，如下：

import  bbbrisk  as br
# 定义单个变量的自动分箱处理函数
def one_fcn(x,y,is_enum):
    if(is_enum==True):                                                              # 如果是枚举值
        bin_set = br.bins.merge.ksEnum(x, y)                                        # 使用卡方枚举分箱
    else:                                                                           # 如果是连续变量
        bin_set=  br.bins.merge.ks(x, y)                                            # 使用卡方分箱
    return bin_set
	
# 在autoBins中使用自定义的分箱函数
data     = br.datasets.load_bloan()                                                 # 加载数据
x,y      = data.iloc[:,:-1],data['is_bad']                                          # 样本变量与标签
bin_sets = br.bins.batch.autoBins(x,y,enum_var=['city','marital'],one_fcn=one_fcn)  # 自动分箱

如代码所示，定义了one_fcn后，autoBins对每个变量进行自动分箱时，就会调用one_fcn函数，如果按上面代码来修改，那么autoBins最终就会采用ks分箱来进行自动分箱。

结束语

好了，大家遇到什么问题，可以先阅读一下bbbrisk的API说明，如果还有疑问不知道怎么处理，那么就在评论里进行提问就可以了，会集中向大家及时答疑。