评分卡 sklearn
时间: 2023-08-08 18:11:39 浏览: 44
评分卡是用来给各个特征进行分档,以便业务人员能够根据新客户填写的信息为客户打分的工具。在评分卡制作过程中,一个重要的步骤就是分箱,即将连续变量离散化,将不同属性的人分成不同的类别,并为其打上不同的分数。分箱的本质类似于聚类,但是要回答几个问题,比如要分多少个箱子才合适。\[1\]
在sklearn中,可以使用逻辑回归处理多分类问题。有两种常用的方法,一种是一对多(One-vs-rest,简称OvR),将某种分类类型看作1,其余分类类型为0;另一种是多对多(Many-vs-Many,简称MvM),将几个分类类型划为1,剩下的几个分类类型划为0。每种方式都可以配合L1或L2正则项来使用。\[3\]
如果你想使用sklearn来制作评分卡,可以使用逻辑回归模型,并根据需要选择合适的多分类方法(OvR或MvM)和正则项(L1或L2)。你可以使用sklearn中的LogisticRegression类来实现,通过设置multi_class参数来选择多分类方法,设置penalty参数来选择正则项。\[2\]
#### 引用[.reference_title]
- *1* *2* *3* [机器学习sklearn-逻辑回归&评分卡案例](https://blog.csdn.net/weixin_44376037/article/details/122332348)[target="_blank" data-report-click={"spm":"1018.2226.3001.9630","extra":{"utm_source":"vip_chatgpt_common_search_pc_result","utm_medium":"distribute.pc_search_result.none-task-cask-2~all~insert_cask~default-1-null.142^v91^insert_down1,239^v3^insert_chatgpt"}} ] [.reference_item]
[ .reference_list ]