2020-03-13
阅读量:
1128
评分卡要分箱的原因具体有哪些
一般在建立分类模型时，需要对连续变量离散化，特征离散化后，模型会更稳定，降低了模型过拟合的风险。比如在建立申请评分卡模型时用logsitic作为基模型就需要对连续变量进行离散化，离散化通常采用分箱法。
1、离散特征的增加和减少都很容易，易于模型的迭代优化；
2、稀疏变量内积乘法运算速度快，计算结果方便存储，容易扩展；
3、离散化后的特征对异常数据有很像的鲁棒性：例如年龄大于50特征是1，否则就是0.如果没有离散化，年龄300这个异常值就会多模型有很大干扰；
4、逻辑回归属于广义线性模型，表达能力受限；单变量离散化后未N个，每个变量都有单独的权重，相当于为模型引入了非线性，能够提升模型表达能力，加大拟合；
5、离散后可以进行特征交叉，有M+N个变量变为m*n个变量，进一步引入非线性，提升表达能力；
6、离散后特征会更稳定，比如20-30岁之间，是一类，用户不会因为长大了一岁就变成一个完全不一样的人；
7、特征离散后，起到了简化逻辑回归模型的作用，降低了模型过拟合的风险；
8、可以将缺失作为独立的一列带入模型；
9、所有的确实都作为独立的一类带入模型；
15.0462
1
5
关注作者
收藏
评论(0)
发表评论
暂无数据
推荐帖子
shang9252
2020-06-15
2条评论
陈革007
2020-06-14
5条评论
clbe2x2
2020-06-11
6条评论
