r - 通过 R 中的 IV 值对连续变量进行分箱

Question

我正在 R 中构建逻辑回归模型。我想以与目标变量相关的最佳方式对连续预测变量进行分类。我知道的有两件事:

连续变量被分箱，使其 IV(信息值)最大化

最大化双向列联表中的卡方——目标有两个值 0 和 1，分箱连续变量有分箱桶

有谁知道 R 中可以执行这种分箱的任何函数？

对你的帮助表示感谢。

Answer 1

对于第一点，您可以将证据权重 (woe) 与 结合使用。包邮它优化了 IV 的 bin 数量

library(woeBinning)

# get the bin cut points from your dataframe
cutpoints <- woe.binning(dataset, "target_name", "Variable_name")
woe.binning.plot(cutpoints)

# apply the cutpoints to your dataframe
dataset_woe <- woe.binning.deploy(dataset, cutpoint, add.woe.or.dum.var = "woe")

它返回带有两个额外列的数据集

Variable_name.binned 是标签

Variable_name.woe.binned 这是被替换的值，然后您可以将其解析为回归而不是 Variable_name

对于第二点，在 chi2 上， package discretization 似乎可以处理，但我还没有测试过。