معرفی شرکت ها
autoBinning-0.1.7
تبلیغات ما
مشتریان به طور فزاینده ای آنلاین هستند. تبلیغات می تواند به آنها کمک کند تا کسب و کار شما را پیدا کنند.
مشاهده بیشتر
تبلیغات ما
مشتریان به طور فزاینده ای آنلاین هستند. تبلیغات می تواند به آنها کمک کند تا کسب و کار شما را پیدا کنند.
مشاهده بیشتر
تبلیغات ما
مشتریان به طور فزاینده ای آنلاین هستند. تبلیغات می تواند به آنها کمک کند تا کسب و کار شما را پیدا کنند.
مشاهده بیشتر
تبلیغات ما
مشتریان به طور فزاینده ای آنلاین هستند. تبلیغات می تواند به آنها کمک کند تا کسب و کار شما را پیدا کنند.
مشاهده بیشتر
تبلیغات ما
مشتریان به طور فزاینده ای آنلاین هستند. تبلیغات می تواند به آنها کمک کند تا کسب و کار شما را پیدا کنند.
مشاهده بیشترتوضیحات
A small package for feature autoBinning
| ویژگی | مقدار |
|---|---|
| سیستم عامل | - |
| نام فایل | autoBinning-0.1.7 |
| نام | autoBinning |
| نسخه کتابخانه | 0.1.7 |
| نگهدارنده | [] |
| ایمیل نگهدارنده | [] |
| نویسنده | Kai Wang |
| ایمیل نویسنده | wangkai0112006@163.com |
| آدرس صفحه اصلی | https://github.com/kaiwang0112006/autoBinning |
| آدرس اینترنتی | https://pypi.org/project/autoBinning/ |
| مجوز | - |
# auto binning 分箱工具
## 安装
pip install autoBinning
## 基础工具 (simpleMethods)
from autoBinning.utils.simpleMethods import *
my_list = [1,1,2,2,2,2,3,3,4,5,6,7,8,9,10,10,20,20,20,20,30,30,40,50,60,70,80,90,100]
my_list_y = [1,1,2,2,2,2,1,1,1,2,2,2,1,1]
t = simpleMethods(my_list)
t.equalSize(3)
# 每个分箱样本数平均
print(t.bins) # [ 1. 5.33333333 20. 100. ]
# 等间距划分分箱
t.equalValue(4)
print(t.bins) # [ 1. 25.75 50.5 75.25 100. ]
# 基于numpy histogram分箱
t.equalHist(4)
print(t.bins) # [ 1. 25.75 50.5 75.25 100. ]
## 基于标签的有监督自动分箱
### 向前迭代方法 (forward method)
# load data
import pandas as pd
df = pd.read_csv('credit_old.csv')
df = df[['Age','target']]
df = df.dropna()
#### 基于最大woe分裂分箱
在得到尽可能细粒度的细分箱之后，寻找上下分箱woe差异最大的初始切割点，并得到woe趋势，之后迭代找到下一个woe差异最大且趋势相同的切割点，直到满足woe差异不大于一个阈值或分箱数（切割点数）满足要求
from autoBinning.utils.forwardSplit import *
t = forwardSplit(df['Age'], df['target'])
t.fit(sby='woe',minv=0.01,init_split=20)
print(t.bins) # [16. 25. 29. 33. 36. 38. 40. 42. 44. 46. 48. 50. 52. 54. 55. 58. 60. 63. 72. 94.]
t = forwardSplit(df['Age'], df['target'])
t.fit(sby='woe',num_split=4,init_split=20)
print(t.bins) # [16. 42. 44. 48. 50. 94.]
print("bin\twoe")
for i in range(len(t.bins)-1):
v = t.value[(t.x < t.bins[i+1]) & (t.x >= t.bins[i])]
woe = t._cal_woe(v)
print((t.bins[i], t.bins[i+1]),woe)
bin woe
(16.0, 25.0) 0.11373232830301286
(25.0, 42.0) 0.07217546872710079
(42.0, 50.0) 0.04972042405868509
(50.0, 72.0) -0.07172614369435065
(72.0, 94.0) -0.13778318584223453
#### 基于最大iv分裂分箱
与最大woe分裂分箱方法类似，在得到尽可能细粒度的细分箱之后，寻找iv值最大的切割点，并得到woe趋势，之后迭代找到下一个iv最大且woe趋势相同的切割点，直到分箱数（切割点数）满足要求
from autoBinning.utils.forwardSplit import *
# sby='woeiv'时考虑woe趋势，sby='iv'时不考虑woe趋势
t = forwardSplit(df['Age'], df['target'])
t.fit(sby='iv',minv=0.1,init_split=20)
print(t.bins) # [16. 25. 29. 33. 36. 38. 40. 42. 44. 46. 48. 50. 58. 60. 63. 94.]
t = forwardSplit(df['Age'], df['target'])
t.fit(sby='iv',num_split=4,init_split=20)
print(t.bins) # [16. 25. 33. 36. 38. 94.]
t.fit(sby='woeiv',num_split=4,init_split=20)
print(t.bins) # [16. 25. 33. 36. 38. 94.]
print("bin\twoe")
for i in range(len(t.bins)-1):
v = t.value[(t.x < t.bins[i+1]) & (t.x >= t.bins[i])]
woe = t._cal_woe(v)
print((t.bins[i], t.bins[i+1]),woe)
bin woe
(16.0, 25.0) 0.11373232830301286
(25.0, 33.0) 0.06679187564362839
(33.0, 40.0) 0.06638021747875023
(40.0, 50.0) 0.05894173616389541
(50.0, 94.0) -0.07934608583946329
t = forwardSplit(df['Branch'], df['target'],missing=-1,categorical=True)
t.fit(sby='woeiv',minv=0,init_split=0,num_split=4) # [['B19'], ['B15'], ['B14'], ['B16'], ['B7', 'B18', 'B2', 'B9', 'B5', 'B6', 'B1', 'B17', 'B4', 'B10', 'B8', 'B3', 'B12', 'B13', 'B11']]
### 向后迭代方法 (backward method)
#### 基于最大iv合并分箱
迭代每次删除一个分箱切点，是去掉后整体iv最大
from autoBinning.utils.backwardSplit import *
t = backwardSplit(df['Age'], df['target'])
t.fit(sby='iv',num_split=5)
print(t.bins) # [16. 17.5 18.5 85.5 95. ]
#### 基于卡方检验的合并分箱
1\. 得到尽可能细粒度的细分箱切点
2\. 每个切点计算上下相邻分箱的卡方检验值
3\. 将卡方检验值最低的两个分箱合并
4\. 重复前两步直到达到分裂最小分裂切点数
1\. First the input range is initialized by splitting
it into sub-intervals with each sample
getting own interval.
2\. For every pair of adjacent sub-intervals a
chi-square value is computed.
3\. Merge pair with lowest chi-square into single bin.
4\. Repeat 1 and 2 until number of bins meets predefined threshold.
from autoBinning.utils.backwardSplit import *
t = backwardSplit(df['Age'], df['target'])
t.fit(sby='chi',num_split=7)
print(t.bins) # [16. 72.5 73.5 87.5 89.5 90.5 95. ]
#### 基于spearman相关性做向后等频分箱
from autoBinning.utils.backwardSplit import *
t = backwardSplit(df['Age'], df['target'])
t.fit_by_spearman(min_v=5, init_split=20)
نیازمندی
| مقدار | نام |
|---|---|
| - | numpy |
| - | scipy |
نحوه نصب
نصب پکیج whl autoBinning-0.1.7:
pip install autoBinning-0.1.7.whl
نصب پکیج tar.gz autoBinning-0.1.7:
pip install autoBinning-0.1.7.tar.gz