请问包中具体用的分箱算法是哪一种

[chenz1hao]

您好，我了解到目前的监督分箱算法包括最优分箱 卡方分箱 决策树分箱等，请问这个包中的分箱算法是用的哪一种

[ShichenXie]

卡方和决策树都有，可以通过method参数设置

[chenz1hao]

卡方和决策树都有，可以通过method参数设置

请问下，最优分箱是一种具体的分箱算法吗，还是卡方 决策树都是叫做最优分箱呀？

[ShichenXie]

是的，一种单独的分箱方法。你参考一下shichen.name/scorecard右上角的slides

[banbsyip]

是的，一种单独的分箱方法。你参考一下shichen.name/scorecard右上角的slides

我在用toad卡方分箱的时候遇到连续性特征无法分箱的情况，然后这部分特征用sc卡方分箱也有这种情况，请问下，这种情况的话是需要手动分还是说这些特征本身无法太好的分箱，然后被drop掉？

[ShichenXie]

根据给定的条件如果分不出来，转woe之后根据变量特征很容易就筛掉了

[banbsyip]

根据给定的条件如果分不出来，转woe之后根据变量特征很容易就筛掉了

我一开始觉得可能是卡方分箱对这个特征分不出箱，这个特征转woe就变成同一值，直接被IV筛选过滤掉了，也不用再去费劲的手动分箱。但是换成别的方法比如树或者等频这个特征会分出来，后期会不会全被IV值筛选过滤掉就不得而知了。我也问过组里其他做评分卡的人，她们说很少遇到过这种分不出箱的特征。所以现在我这就很疑惑

[ShichenXie]

类决策树和卡方合并分箱用的比较多，等频和等高比较少也有限制。选定一个方法之后，和确定参数之后，就可以不用纠结能不能分出来。当然你的建模样本和特征数据是基础。卡方和树随便选一个就好，我常用树分箱。

[banbsyip]

类决策树和卡方合并分箱用的比较多，等频和等高比较少也有限制。选定一个方法之后，和确定参数之后，就可以不用纠结能不能分出来。当然你的建模样本和特征数据是基础。卡方和树随便选一个就好，我常用树分箱。

如果选择一个分箱方法，特征无法分箱，我可以默认这个特征是可以被废弃的吧？

[ShichenXie]

当然，前提是对选定的方法和参数没有问题

[banbsyip]

还有个问题想请教下，oot数据集得到的ks照比训练集ks下降10%左右或者多一些，但是oot三四个月的数据，每个月的ks相差不多，模型可不可以使用呢？因为网上一些资料都是讲10%以上模型都下降了，不能继续使用，我用了lgb和评分卡模型对还款的合同进行预测，lgb和评分卡都有oot数据ks下降10个点的现象，但oot之间ks相差很小，而且lgb的psi更稳定。但是一个问题，lgb绝大部分数据的得分都很低，甚至70%都集中在同一低分数上，评分卡的分数分布比lgb好很多。

[ShichenXie]

是不是好坏客户定义有问题

[banbsyip]

是不是好坏客户定义有问题

样本数据整体的正样本才千分之5，负样本下采样以后正样本比例5%+，主要是高账龄合同还款表现本身就很差

[ShichenXie]

表现期多长时间

[banbsyip]

表现期多长时间

训练数据的后三个月，每个月的数据做一次验证