总结特征分箱的一些处理办法如下图的流程图:
本期文章主要阐述如何建立logisticRegression模型,其主要思想的流程图如下,其中特征分箱部分对应上面流程图:
逻辑回归中的权重问题
两类错误
第一类错误:将逾期人群预测成非逾期
第二类错误:将非逾期人群预测成逾期
以上两种误判的代价不一样!
增加逾期类样本的权重
在目标函数或者是损失函数中增加逾期权重。然后梯度下降法对参数进行估计。
评分卡模型中
逾期样本的权重总是高于非逾期样本的权重
可以用交叉验证法选择合适的权重
也可以跟业务相结合:权重通常跟利率有关。利率高,逾期样本的权重相对低
模型训练
对特征进行了单变量,多变量分析以后,剔除了一些冗余,多重共线性的变量以后。
sm.Logit:
注意这里调用的是statsmodels.api里的逻辑回归。这个回归模型可以获取每个变量的显著性p值,p值越大越不显著,当我们发现多于一个变量不显著时,不能一次性剔除所有的不显著变量,因为里面可能存在我们还未发现的多变量的多重共线性,我们需要迭代的每次剔除最不显著的那个变量。
上面迭代的终止条件:
①剔除了所有的不显著变量
②剔除了某一个或某几个变量后,剩余的不显著变量变得显著了。(说明之前存在多重共线性)
RandomForest:
sklearn中的logsiticRegressionCV:
选择在ks指标上效果最好的参数进行模型训练。
来源|CSDN
作者|村头陶员外
领取专属 10元无门槛券
私享最新 技术干货