python - 如何在类别编码器中实际计算证据权重?
问题描述
我正在尝试手动计算 WoE,但无法获得与 category_encoders WOEEncoder 计算的结果相同的结果。这是我要计算分数的数据框:
df = pd.DataFrame({'cat': ['a', 'b', 'a', 'b', 'a', 'a', 'b', 'c', 'c'], 'target': [1, 0, 0, 1, 0, 0, 1, 1, 0]})
这是我用来计算 WoE 分数的代码
woe = WOEEncoder(cols=['cat'], random_state=42)
X = df['cat']
y = df.target
encoded_df = woe.fit_transform(X, y)
相同的结果是:
0 -0.538997
1 0.559616
2 -0.538997
3 0.559616
4 -0.538997
5 -0.538997
6 0.559616
7 0.154151
8 0.154151
因此,'a' 编码为 -0.538997 'b' 编码为 0.559616 'c' 编码为 0.154151
当我手动计算分数时,它们是不同的,我拿
ln(% of non events / % of events).
比如说,为了计算 a 的 WoE,
% of non events = targets which are 0 for 'a'/ total targets for group 'a'
因此,非事件的百分比 = 3/4 = 0.75
% of events = targets which are 1 for 'a' / total targets for group 'a'
So, % of events = 1/4 = 0.25
Now, 0.75/0.25 = 3
因此,WoE(a) = ln(3) = 1.09,这与上面的编码器不同。
解决方案
因为它是一个开源项目,所以可以看到函数的代码:
http://contrib.scikit-learn.org/category_encoders/_modules/category_encoders/woe.html#WOEEncoder
要获得与 WOEEncoder 相似的结果,您的代码中有两个主要问题:
WOEEncoder 有一个参数“regularization”,默认值为 1。您应该创建一个正则化 = 0 的 WOEEncoder 对象以获得相同的结果
第二个问题是你对 woe 公式的解释有误。对于案例“a”,正确的(在 WOEEncoder 中实现)是:
非事件百分比 = 'a' 为 0 的目标 / 为 0 的总目标
事件百分比 = 'a' 为 1 的目标 / 为 1 的总目标
欠= ln(事件百分比/非事件百分比)
对于“a”的情况,这产生:
% of non events = 3/5
% of events = 1/4
ln(% of events / % of non events ) = ln(5/12) = -0.8754687373538999
如果执行修改后的代码:
woe = WOEEncoder(cols=['cat'], random_state=42, regularization=0)
X = df['cat']
y = df.target
encoded_df = woe.fit_transform(X, y)
你会看到类似的结果:
0 -0.875469
1 0.916291
2 -0.875469
3 0.916291
4 -0.875469
5 -0.875469
6 0.916291
7 0.223144
8 0.223144
推荐阅读
- java - 如何使用 SpEL 提取列表中对象的单个属性列表?
- python - Python Pandas:拆分和更改日期格式(一个带有例如:(2018 年 8 月 - 2018 年 11 月))和其他只有一个?
- android - 我如何确定应用程序的启动方式?
- python - Flask-Admin:发生了蓝图的名称冲突......两者共享相同的名称“admin”
- ios - 用于签署 AppStore IPA 文件的配置文件在哪里
- swift - 我有 woocommerce api 为结帐提供的 body 参数。在 alamofire 中发送参数时,我得到 400 状态码
- excel - IF 语句中的 Excel SUMIF 语句
- angular - 角度库 npm 依赖项 - 它是如何工作的?
- java - 为什么JVM在进入无限递归时不会崩溃?
- python - 如何知道我的自定义 HTTP 标头是否正在传递?