
sas字符变量基于bad_rate分组
最近因为模型拟合的不理想的原因,sas信用评分的内容可能要停更一两周了,因为我还没能进行到模型评分卡这一步就被跨期验证给拍下来了,我做的模型,训练的数据以及测试的数据指标都还不错,跨期验证指标掉的厉害。希望有经验的大神可以在留言区给我点建议,因为你们的建议可以让我少走很多弯路。我现在要重新调整,至于怎么调整的内容,我后面会做一个总结的文章,讲对于指标达不到指标的时候可以有什么方便调整下指标,在这些方法之后还调整不了指标的再回头看变量。
这次分享的代码是字符变量依据bad_rate做的一个分组。之前分享过给予基尼系数,给予iv值的,那么这次就叫基于bad_rate的吧。这次的代码可能会比之前的代码容易理解很多,而这次的代码也是我的partner陈先生写的。不要问我陈先生是谁,这是个秘密。
%macrodatasplit(data,target,group);
proc sql;
create table csm_CASH_MODEL_Train_rank1(
table_name varchar(100)
,col_name varchar(50)
,rank_name numeric
,low numeric
,up numeric
,cnt numeric
,rate numeric
,n1 numeric
,bad_rate numeric
,woe numeric
,iv numeric
,split_type numeric);
quit;
proc sql;
create table csm_CASH_MODEL_Train_rank2(
table_name varchar(100)
,col_name varchar(50)
,rank_name varchar(2000)
,lownumeric ,, ,up numeric
,cnt numeric
,rate numeric
,n1 numeric
,bad_rate numeric
,woe numeric
,iv numeric
,split_type numeric);
quit;
proc sql;/*获得总记录数、总坏客户数、总好客户数*/
select count(*),SUM(&target.),count(*)-SUM(&target.) into :record_cnt,
:bad_cnt,
:good_cnt
from &data.;
quit;
proc contents/*获取输入数据集的所有变量信息*/
data=&data.
out=CASH_SELECT_MODEL_VALID_V10_CONT
noprint;
run;
data CASH_SELECT_MODEL_VALID_V10_CONT;
set CASH_SELECT_MODEL_VALID_V10_CONT;
where name ^='&target.';
run;
data _null_;
set CASH_SELECT_MODEL_VALID_V10_CONT;
call symput(compress("numobs"),compress(_n_));
run;
%doi=1%to&numobs;
%put&NUMOBS.||&i.;
data _null_;
pointer=&i.;
set CASH_SELECT_MODEL_VALID_V10_CONT POINT=POINTER;
call symput('col_name', NAME);
call symput('TYPE', put(TYPE,1.));
stop;
run;
%if&TYPE.=2%then%do;
proc sql;
create table &col_name.as select
&col_name.
,sum(&target.)/count(1) as bad_rate
,sum(&target.) as &target.
,count(1) as num
from &data.
group by &col_name.;
quit;
%put&col_name;
%put&type;
proc sql;
select count(1) into:valuenum from &col_name;
quit;
%if&valuenum.>&group.%then%do;
proc rank data= &col_name out = data_rank ties = mean groups = &group.descending;
var bad_rate;
ranks group_name;
run;
proc sql;
create table &data.as
select *,
b.group_name as new_&col_name.
from &data.a
left join data_rank b
ona.&col_name.=b.&col_name.;
quit;
proc sql;
insert into csm_CASH_MODEL_Train_rank1(table_name ,col_name ,rank_name ,low ,up,cnt,rate,n1,bad_rate,woe,iv,split_type)
select"csm_CASH_MODEL_Train_rank","&col_name",group_name ,min(bad_rate) ,max(bad_rate) ,sum(num)
,sum(num)/&record_cnt
,sum(&target.)
,sum(&target.)/sum(num)
,log((ifn(sum(&target.)=0,0.001,sum(&target.))/&bad_cnt)/((sum(num)-sum(&target.))/&good_cnt))
,(sum(&target.)/&bad_cnt-(sum(num)-sum(&target.))/&good_cnt)*log((ifn(sum(&target.)=0,0.001,sum(&target.))/&bad_cnt)/((sum(num)-sum(&target.))/&good_cnt))
,&group.
from data_rank
group by group_name;
quit;
%end;
%if&valuenum.<=&group.%then%do;
proc sql;
insert into csm_CASH_MODEL_Train_rank2( table_name ,col_name ,rank_name ,low,up,cnt,rate ,n1 ,bad_rate,woe ,iv ,split_type)
select"csm_CASH_MODEL_Train_rank","&col_name",&col_name.,min(bad_rate) ,max(bad_rate) ,sum(num),sum(num)/&record_cnt
,sum(&target.),sum(&target.)/sum(num)
,log((ifn(sum(&target.)=0,0.001,sum(&target.))/&bad_cnt)/((sum(num)-sum(&target.))/&good_cnt))
,(sum(&target.)/&bad_cnt-(sum(num)-sum(&target.))/&good_cnt)*log((ifn(sum(&target.)=0,0.001,sum(&target.))/&bad_cnt)/((sum(num)-sum(&target.))/&good_cnt))
,&valuenum
from &col_name.
group by &col_name.;
quit;
%end;
%end;
%end;
data csm_CASH_MODEL_Train_rank1;
set csm_CASH_MODEL_Train_rank1;
rank_name1=put(rank_name,$8.);
drop rank_name;
rename rank_name1=rank_name;
run;
data csm_CASH_MODEL_Train_rank;
set csm_CASH_MODEL_Train_rank1 csm_CASH_MODEL_Train_rank2;
run;
%mend;
关于这个代码的使用呢,就是下面这样子啦。
Data:填入你的数据集,重点来啦,这个数据集也是等下的产出的数据集,所以你突然觉得,惨了,我拿错数据集,那么你就得重新跑下这个数据集,因为经过这个过程他已经被改变了。
Target:因变量
Group;你要分的组数。
还有说下这个代码,因为是针对字符的分组,就意味着要是有点变量的观测情况就只用3种,那怎么分五组呢,譬如性别啊,你活生生的要是把男女分成5组,这就不道德了哈,所以代码中对于观测情况少于你的分组数的就不分组了。
说下结果哈:
变量指标统计表:
产出的表中就有图中的这些指标,low以及up是bad_rate的区间。Cnt是分组统计的人数,n1是坏客户的数量。后面的split_type是分成几组。宏里面设定的5组,所以显示的是5。
码表:
这张表是码表。名字为每个变量的名字,譬如你这个变量叫loan_cnt,那么你找到一个数据叫loan_cnt就是loan_cnt的码表。这个码表不是你等下一个一个按照主表去leftjoin的哈。这个主表只要是想你之后要生成评分或者做数据集验证的时候可以用的。数据分析师培训
最后就是主表:
为什么刚才说码表不是主表连的呢,因为生成的主表里面已经有新的分组,new_开头的就是新生成的变量。便于后面的区分。
数据分析咨询请扫描二维码
若不方便扫码,搜微信号:CDAshujufenxi
“纲举目张,执本末从。”若想在数据分析领域有所收获,一套合适的学习教材至关重要。一套优质且契合需求的学习教材无疑是那关键 ...
2025-06-092025 年,数据如同数字时代的 DNA,编码着人类社会的未来图景,驱动着商业时代的运转。从全球互联网用户每天产生的2.5亿TB数据, ...
2025-05-27CDA数据分析师证书考试体系(更新于2025年05月22日)
2025-05-26解码数据基因:从数字敏感度到逻辑思维 每当看到超市货架上商品的排列变化,你是否会联想到背后的销售数据波动?三年前在零售行 ...
2025-05-23在本文中,我们将探讨 AI 为何能够加速数据分析、如何在每个步骤中实现数据分析自动化以及使用哪些工具。 数据分析中的AI是什么 ...
2025-05-20当数据遇见人生:我的第一个分析项目 记得三年前接手第一个数据分析项目时,我面对Excel里密密麻麻的销售数据手足无措。那些跳动 ...
2025-05-20在数字化运营的时代,企业每天都在产生海量数据:用户点击行为、商品销售记录、广告投放反馈…… 这些数据就像散落的拼图,而相 ...
2025-05-19在当今数字化营销时代,小红书作为国内领先的社交电商平台,其销售数据蕴含着巨大的商业价值。通过对小红书销售数据的深入分析, ...
2025-05-16Excel作为最常用的数据分析工具,有没有什么工具可以帮助我们快速地使用excel表格,只要轻松几步甚至输入几项指令就能搞定呢? ...
2025-05-15数据,如同无形的燃料,驱动着现代社会的运转。从全球互联网用户每天产生的2.5亿TB数据,到制造业的传感器、金融交易 ...
2025-05-15大数据是什么_数据分析师培训 其实,现在的大数据指的并不仅仅是海量数据,更准确而言是对大数据分析的方法。传统的数 ...
2025-05-14CDA持证人简介: 万木,CDA L1持证人,某电商中厂BI工程师 ,5年数据经验1年BI内训师,高级数据分析师,拥有丰富的行业经验。 ...
2025-05-13CDA持证人简介: 王明月 ,CDA 数据分析师二级持证人,2年数据产品工作经验,管理学博士在读。 学习入口:https://edu.cda.cn/g ...
2025-05-12CDA持证人简介: 杨贞玺 ,CDA一级持证人,郑州大学情报学硕士研究生,某上市公司数据分析师。 学习入口:https://edu.cda.cn/g ...
2025-05-09CDA持证人简介 程靖 CDA会员大咖,畅销书《小白学产品》作者,13年顶级互联网公司产品经理相关经验,曾在百度、美团、阿里等 ...
2025-05-07相信很多做数据分析的小伙伴,都接到过一些高阶的数据分析需求,实现的过程需要用到一些数据获取,数据清洗转换,建模方法等,这 ...
2025-05-06以下的文章内容来源于刘静老师的专栏,如果您想阅读专栏《10大业务分析模型突破业务瓶颈》,点击下方链接 https://edu.cda.cn/g ...
2025-04-30CDA持证人简介: 邱立峰 CDA 数据分析师二级持证人,数字化转型专家,数据治理专家,高级数据分析师,拥有丰富的行业经验。 ...
2025-04-29CDA持证人简介: 程靖 CDA会员大咖,畅销书《小白学产品》作者,13年顶级互联网公司产品经理相关经验,曾在百度,美团,阿里等 ...
2025-04-28CDA持证人简介: 居瑜 ,CDA一级持证人国企财务经理,13年财务管理运营经验,在数据分析就业和实践经验方面有着丰富的积累和经 ...
2025-04-27