數據分箱概念與python實現

數據分箱指的是將連續數據離散化。 離散化對異常值具有魯棒性，運算更快方便存儲，而且特徵可變性更強方便迭代，特徵離散後的模型更加穩定。   在這裏主要介紹卡方分箱： 1.先確定最終分幾個箱，也就是最後分幾個離散值。 2.如果變量樣本大於100，那麼先等距的劃分爲100箱。 3.計算每一對相鄰箱間的卡方值 4.將卡方值最小的兩個區間合併，一直重複3-4直到滿足最終分箱個數。   二、分箱評估 通過IV

>>阅读原文<<