风控建模常用指标——WOE/IV/COR/VIF/PSI总结以及实现代码在金融领域，风险控制（风控）是维护金融稳定和安全的重要环节。随着大数据时代的到来，金融机构越来越依赖于数据驱动的风控模型来评估和量化风险。在构建这些模型时，一系列关键指标成为了衡量和解释模型性能的基石。其中，WO

3.评分卡模型开发步骤3.1.数据挖掘目标数据挖掘是从大量的、不完全的、有噪声的、模糊的、随机的实际应用数据中，提取隐含在其中的、人们事先不知道的、但又是潜在有用的信息和知识的过程。数据挖掘目标是从数据中发现隐含的、有意义的知识，通过预测未来趋势及行为，做出前摄的

数据预处理|数据清洗|使用Pandas进行异常值清洗使用Pandas进行异常值清洗1.异常值检测1.1简单统计分析1.2散点图方法1.33σ原则1.4箱线图2.异常值处理2.1直接删除2.2视为缺失值2.3平均值修正2.4盖帽法2.5分箱平滑法2.6回归插补2.7多重插补2.8不处理

第一步：导入ps:最后一行是为了查看是否成功导入缺失值处理df.info()df.isnull().sum() df.info是一个用于查看DataFrame的基本信息的函数。它可以帮助我们了解DataFrame的列名、非空值数量、数据类型等信息。df.isnull().sum()是一个用于计算DataFrame中每列空

清洗数据有三个方法，分别是分箱法、聚类法、回归法。 1、分箱法 是一个经常使用到方法，所谓的分箱法，就是将需要处理的数据根据一定的规则放进箱子里，然后进行测试每一个箱子里的数据，并根据数据中的各个箱子的实际情况进行采取方法处理数据。 2、回归法 回归法就是利用了

​ Python机器学习中，特征提取是将原始数据转换为能够被模型有效利用的格式的过程。对于决策树模型而言，特征提取尤其重要，因为好的特征可以显著提升模型的预测性能。在实际应用中，需要根据具体情况选择合适的特征提取方法。数值型特征是机器学习中常见的一种特征类型，它指的是可以

切比雪夫大数定理所有数据中，至少有3/4（或75%）的数据位于平均数2个标准差范围内。所有数据中，至少有8/9（或88.9%）的数据位于平均数3个标准差范围内。所有数据中，至少有24/25（或96%)的数据位于平均数5个标准差范围内*****IV值会受分箱数量影响，因此即使是同样的样本，随着分箱数量改变，IV值

cutsx['kh_loanterm']=pd.cut(sx['kh_loanterm'],bins=[3,6,9,12,15,np.inf],right=False,labels=['A_3','B_6','C_9','D_12','E_15'])def朴道_海纳综合指数V2_申请命中网络贷款类机构数_trans(x):#朴道_海纳综合指数V2_申请命中

 Datawhale干货 作者：陶旭东，北京师范大学，Datawhale成员一、背景介绍本文以天池的金融风控赛为背景，梳理了金融风控的整个实践流程，帮助大家避坑学习。赛事的场景是个人信贷，要求选手根据贷款申请人的数据信息预测其是否有违约的可能，以此判断是否通过此项贷款，这个问题在现实的风控场景

组合(combination)choose(n,r)参数：n:元素数量r:组合数返回：来自总共n个元素的r个组合的数量，即nCr值列出所有组合数矩阵：combn(x,n)阶乘：factorial(k)——k!排列(permutation)排列数：choose(n,k)*factorial(k)求排列数的话，可以用gtool

[pandas逐行操作、分箱技术、窗口函数-古明地盆-博客园](https://www.cnblogs.com/traditional/p/12234328.html)cummax，cummin，cumprod，cumsum有时候我们需要求出从第

pandas.cut()方法介绍  连续值经常需要离散化，或者分离成“箱子”进行分析，假设我们有某项研究中一组人群的数据，需要将其进行分组，放入离散的年龄框中：ages=[2,67,40,

分箱•使用metabat2进行分箱##构建indexsingularityexec../../software/MetaGenome.sifbowtie2-build\A1.contigs.fa\A1.contigs.db##比对并排序singularityexec

视频作者：菜菜TsaiTsai链接：【技术干货】菜菜的机器学习sklearn【全85集】Python进阶_哔哩哔哩_bilibili分训练集和测试集fromsklearn.model_selectionimporttrain_te

特征处理编码：数据类型：数值字符是否有顺序类别数量：高低基数1、独热编码针对无序低基数类离散特征，使之变为哑特征不适合高基数的特征2、标签编码：针对无序低基数类型的离散

摘要：深度学习时期，与CV、语音、NLP领域不同，搜推广场景下特征工程仍然对业务效果具有很大的影响，并且占据了算法工程师的很多精力。数据决定了效果的上限，算法只能决定逼近上限