时间戳

首页 > 解决方案 > R 等频分箱函数

r - R 等频分箱函数

问题描述

我希望能够通过 R 将我的 xvars 放入相同频率的 bin 中，然后根据每个 bin 中的响应变量分析变量，这将有助于选择我将哪些变量放入我的逻辑模型中。我已经尝试通过包 rbin 使用 rbin_equal_freq 但这默认为 20 个 bin 的输出，这有助于选择 vars，但最好我想要 5 个 bin。我是 R 和建模的新手，任何帮助都会很好，即使能够快速有效地将 tibble 转换为 5 个垃圾箱。

rbin_equal_freq(df, y, x, bins = 5).
Output:
  lower_cut upper_cut bin_count  good   bad good_rate      woe         iv entropy
      <dbl>     <dbl>     <int> <int> <int>     <dbl>    <dbl>      <dbl>   <dbl>
1  -12.3      -6.97          33     0    33    0      Inf      Inf        NaN    
2   -6.86     -5.15          33     1    32    0.0303   1.43     0.0602     0.196
3   -5.12     -4.09          33     2    31    0.0606   0.709    0.0192     0.330
4   -4.04     -3.18          33     1    32    0.0303   1.43     0.0602     0.196
5   -3.15     -2.62          33     2    31    0.0606   0.709    0.0192     0.330
6   -2.55     -1.99          33     3    30    0.0909   0.270    0.00331    0.439
7   -1.98     -1.32          33     4    29    0.121   -0.0513   0.000135   0.533
8   -1.30     -0.878         33     4    29    0.121   -0.0513   0.000135   0.533
9   -0.878    -0.478         33     2    31    0.0606   0.709    0.0192     0.330
10   -0.463    -0.0775        33     3    30    0.0909   0.270    0.00331    0.439
11   -0.0775    0.447         33     1    32    0.0303   1.43     0.0602     0.196
12    0.449     1.05          33     4    29    0.121   -0.0513   0.000135   0.533
13    1.05      1.65          33     3    30    0.0909   0.270    0.00331    0.439
14    1.65      2.32          33     5    28    0.152   -0.310    0.00542    0.614
15    2.32      2.96          33     2    31    0.0606   0.709    0.0192     0.330
16    2.96      3.59          33     5    28    0.152   -0.310    0.00542    0.614
17    3.62      4.73          33     6    27    0.182   -0.528    0.0171     0.684
18    4.75      5.98          33     8    25    0.242   -0.893    0.0555     0.799
19    5.99      8.12          33     8    25    0.242   -0.893    0.0555     0.799
20    8.13     16.4           29    12    17    0.414   -1.68     0.217      0.978

我还使用了在此处创建的不同函数来尝试创建相同频率的 bin，但我不熟悉该语言，因此我们将不胜感激任何建议。

标签： rfunctiondata-sciencemodelingbins

解决方案

我不确定r_bin_equal在做什么……这似乎很奇怪，它需要两个变量而不仅仅是一个变量——它必须做的不仅仅是对单个变量进行分箱。

相同频率的 bin 在 quantiles处有分界点。我们可以编写一个快速函数用于quantile计算断点和分cut箱数据：

bin_equal = function(x, nbin = 5) {
  breaks = quantile(x, probs = seq(0, 1, length.out = nbin + 1), na.rm = TRUE)
  return(cut(x, breaks = breaks, labels = 1:nbin, include.lowest = TRUE))
}

bin_equal(rnorm(20), nbin = 3)
#  [1] 2 1 2 2 3 3 3 1 1 3 3 3 1 2 1 3 2 2 1 1
# Levels: 1 2 3

请注意，这将返回一个factor.

推荐阅读