申请评分卡模型监控指标PSI＋补缺方法＋变量筛选方法大放送

今天被一名'小硕'打赏了，我这个985毕业多年的'大本'表示很开心，一开心呢，就决定多发点干货！

很多人找我要完全代码，也许我一开心，手一抖，就公布了。。。

岁月不饶人呀，转眼奔三了，其实当年我也可以成为'小硕'，现在可以自称为'老硕'，结果现在浪成了屌丝。。。

各位读者如果还是未毕业的'大本'的话，建议转职'小硕'哟！

==========================分割线==========================

先说今天的主题：PSI——前传！

什么是PSI，它是做什么的？有什么意义？

知乎上这么说的：

不管是训练评分卡模型也好，还是别的什么二分类模型也好，相信大家都很熟悉ROC，KS。对！这两个小伙伴就是衡量你这个模型做的好不好的关键指标，也是老板考虑用不用你的模型的关键因素之一。

那么把模型做出来以后，我们怎么确保模型的效果是不是我们开发时预期的那样呢？

那我们就要对模型进行监控了，而监控的关键指标之一就是PSI。

好，那PSI怎么计算呢？

知乎上的前辈们已经把公式解释的很清楚了。

本文完。（会被打死吧。。）

我把关键代码写出来，如果以前不知道的人可以自己试着写一写，如果实在写不出来的人。。。有机会我会分享的。

这是一个栗子。

我们再用威武的Pandas。

把连续变量离散化，等宽分组。

可以看见分组的各区间，以及临界点。

各区间的样本数。

接下来，怎么计算呢？ 大家自己想想哦。

本季完。

第二季：补缺方法。

补缺方法有很多种，连续变量有随机抽样、拉格朗日插值、中位数、均值；分类变量有众数、有Python特有的把 NaN 转为 NAN 等。

今天我们介绍sklearn里的中位数补缺和均值补缺。

这是一个常见的数据集，年龄和收入有缺失。

先选择需要补缺的变量。

然后：

就可以了。

请看神奇效果：

再介绍均值补缺。

再看神奇效果：

小伙伴是不是收获满满呢！

再看第三季：筛选变量。

筛选变量有很多种方法，随机森林、GBDT、逻辑回归显著性、VIF共线性、相关性图谱等。今天我介绍2个方法：随机逻辑回归筛选和递归法筛选。

这是我第一篇文章Lending_Club 评分卡中补完缺失值的数据集，我节选了一部分。

15000+样本，14个特征。

再看数据集信息：

全是数值变量，无字符变量，无缺失值。

确定好X和y。

先上随机逻辑回归法筛选变量：

再看递归法筛选变量：

ok，今天大放送到此为止！期待你点赞、转发、打赏哟！

如果打赏，请扫下方二维码：