有一千个特征,用python写出怎么用WOE和IV值选择可用的特征作为入模变量

时间: 2024-03-31 12:33:53 浏览: 15
下面是使用Python实现基于WOE和IV值进行特征选择的代码: ```python import pandas as pd import numpy as np from sklearn.tree import DecisionTreeClassifier from sklearn.model_selection import train_test_split from sklearn.metrics import roc_auc_score # 定义函数计算WOE和IV值 def cal_iv(df, feature, target): lst = [] cols = ['Variable', 'Value', 'All', 'Bad'] for i in range(df[feature].nunique()): val = list(df[feature].unique())[i] lst.append([feature, val, len(df[df[feature] == val]), len(df[(df[feature] == val) & (df[target] == 1)])]) data = pd.DataFrame(lst, columns=cols) data = data[data['Bad'] > 0] data['Share'] = data['All'] / data['All'].sum() data['Bad Rate'] = data['Bad'] / data['All'] data['Distribution Good'] = (data['All'] - data['Bad']) / (data['All'].sum() - data['Bad'].sum()) data['Distribution Bad'] = data['Bad'] / data['Bad'].sum() data['WOE'] = np.log(data['Distribution Good'] / data['Distribution Bad']) data['IV'] = (data['WOE'] * (data['Distribution Good'] - data['Distribution Bad'])).sum() return data['IV'].values[0] # 读取数据 data = pd.read_csv('data.csv') # 将数据集随机分成训练集和测试集 train_data, test_data = train_test_split(data, test_size=0.3, random_state=42) # 计算每个特征的IV值 iv_values = [] for col in data.columns: if col != 'target': iv = cal_iv(train_data, col, 'target') iv_values.append((col, iv)) # 将所有特征按照其IV值从大到小排序 iv_values = sorted(iv_values, key=lambda x: x[1], reverse=True) # 选择IV值排名前N个的特征作为入模变量 N = 10 selected_features = [x[0] for x in iv_values[:N]] # 训练决策树模型并评估预测性能 X_train = train_data[selected_features] y_train = train_data['target'] X_test = test_data[selected_features] y_test = test_data['target'] model = DecisionTreeClassifier(random_state=42) model.fit(X_train, y_train) y_pred = model.predict_proba(X_test)[:, 1] auc = roc_auc_score(y_test, y_pred) print('AUC:', auc) ``` 上述代码中,`data`为包含1000个特征的数据集,其中`target`为目标变量。首先,将数据集随机分成训练集和测试集。然后,分别计算每个特征的IV值,并按照IV值从大到小排序。最后,选择IV值排名前N个的特征作为入模变量,并训练决策树模型进行预测。

相关推荐

最新推荐

recommend-type

基于springboot开发的前后端分离的简易进销存后台管理系统.zip

基于springboot的java毕业&课程设计
recommend-type

基于springboot-mqtt的温度、湿度、六氟化硫浓度实时监控系统.zip

基于springboot的java毕业&课程设计
recommend-type

会计信息化对华强公司内部审计的影响研究.docx

会计信息化对华强公司内部审计的影响研究.docx
recommend-type

修改谷歌提供的样例量子卷积神经网络模型,基于KDD99数据集进行训练,实现了网络攻击分类检测。.zip

卷积神经网络(Convolutional Neural Networks, CNNs 或 ConvNets)是一类深度神经网络,特别擅长处理图像相关的机器学习和深度学习任务。它们的名称来源于网络中使用了一种叫做卷积的数学运算。以下是卷积神经网络的一些关键组件和特性: 卷积层(Convolutional Layer): 卷积层是CNN的核心组件。它们通过一组可学习的滤波器(或称为卷积核、卷积器)在输入图像(或上一层的输出特征图)上滑动来工作。 滤波器和图像之间的卷积操作生成输出特征图,该特征图反映了滤波器所捕捉的局部图像特性(如边缘、角点等)。 通过使用多个滤波器,卷积层可以提取输入图像中的多种特征。 激活函数(Activation Function): 在卷积操作之后,通常会应用一个激活函数(如ReLU、Sigmoid或tanh)来增加网络的非线性。 池化层(Pooling Layer): 池化层通常位于卷积层之后,用于降低特征图的维度(空间尺寸),减少计算量和参数数量,同时保持特征的空间层次结构。 常见的池化操作包括最大池化(Max Pooling)和平均池化(Average Pooling)。 全连接层(Fully Connected Layer): 在CNN的末端,通常会有几层全连接层(也称为密集层或线性层)。这些层中的每个神经元都与前一层的所有神经元连接。 全连接层通常用于对提取的特征进行分类或回归。 训练过程: CNN的训练过程与其他深度学习模型类似,通过反向传播算法和梯度下降(或其变种)来优化网络参数(如滤波器权重和偏置)。 训练数据通常被分为多个批次(mini-batches),并在每个批次上迭代更新网络参数。 应用: CNN在计算机视觉领域有着广泛的应用,包括图像分类、目标检测、图像分割、人脸识别等。 它们也已被扩展到处理其他类型的数据,如文本(通过卷积一维序列)和音频(通过卷积时间序列)。 随着深度学习技术的发展,卷积神经网络的结构和设计也在不断演变,出现了许多新的变体和改进,如残差网络(ResNet)、深度卷积生成对抗网络(DCGAN)等。
recommend-type

用泽尼克多项式拟合表面的功能matlab代码.zip

1.版本:matlab2014/2019a/2021a 2.附赠案例数据可直接运行matlab程序。 3.代码特点:参数化编程、参数可方便更改、代码编程思路清晰、注释明细。 4.适用对象:计算机,电子信息工程、数学等专业的大学生课程设计、期末大作业和毕业设计。
recommend-type

zigbee-cluster-library-specification

最新的zigbee-cluster-library-specification说明文档。
recommend-type

管理建模和仿真的文件

管理Boualem Benatallah引用此版本:布阿利姆·贝纳塔拉。管理建模和仿真。约瑟夫-傅立叶大学-格勒诺布尔第一大学,1996年。法语。NNT:电话:00345357HAL ID:电话:00345357https://theses.hal.science/tel-003453572008年12月9日提交HAL是一个多学科的开放存取档案馆,用于存放和传播科学研究论文,无论它们是否被公开。论文可以来自法国或国外的教学和研究机构,也可以来自公共或私人研究中心。L’archive ouverte pluridisciplinaire
recommend-type

实现实时数据湖架构:Kafka与Hive集成

![实现实时数据湖架构:Kafka与Hive集成](https://img-blog.csdnimg.cn/img_convert/10eb2e6972b3b6086286fc64c0b3ee41.jpeg) # 1. 实时数据湖架构概述** 实时数据湖是一种现代数据管理架构,它允许企业以低延迟的方式收集、存储和处理大量数据。与传统数据仓库不同,实时数据湖不依赖于预先定义的模式,而是采用灵活的架构,可以处理各种数据类型和格式。这种架构为企业提供了以下优势: - **实时洞察:**实时数据湖允许企业访问最新的数据,从而做出更明智的决策。 - **数据民主化:**实时数据湖使各种利益相关者都可
recommend-type

SQL怎么实现 数据透视表

SQL可以通过使用聚合函数和GROUP BY子句来实现数据透视表。 例如,假设有一个销售记录表,其中包含产品名称、销售日期、销售数量和销售额等信息。要创建一个按照产品名称、销售日期和销售额进行汇总的数据透视表,可以使用以下SQL语句: ``` SELECT ProductName, SaleDate, SUM(SaleQuantity) AS TotalQuantity, SUM(SaleAmount) AS TotalAmount FROM Sales GROUP BY ProductName, SaleDate; ``` 该语句将Sales表按照ProductName和SaleDat
recommend-type

JSBSim Reference Manual

JSBSim参考手册,其中包含JSBSim简介,JSBSim配置文件xml的编写语法,编程手册以及一些应用实例等。其中有部分内容还没有写完,估计有生之年很难看到完整版了,但是内容还是很有参考价值的。