При создании creditscorecard объект, таблица, используемая для ввода data аргумент определяет или не определяет веса наблюдений. Если data не использует веса, то «подсчитывает» для Good, Bad, и Odds используются функциями кредитной карты. Однако, если необязательный WeightsVar аргумент задается при создании creditscorecard объект, затем «подсчитывает» для Good, Bad, и Odds являются суммой весов.
Например, вот фрагмент входной таблицы, который не определяет веса наблюдений:
Если вы складируете данные предиктора возраста клиента, с клиентами до 45 лет в одной ячейке и 46 и выше в другой ячейке, вы получаете следующие статистические данные:
Good означает общее количество строк с 0 значение в поле status переменная ответа. Bad количество 1«» в status столбец. Odds - отношение Good кому Bad. Good, Bad, и Odds сообщается для каждой ячейки. Это означает, что в выборке есть 381 человек в возрасте 45 лет и младше, которые выплатили свои кредиты, 241 человек в том же возрастном диапазоне, которые объявили дефолт, и, следовательно, шансы быть хорошими для этого возрастного диапазона 1.581.
Предположим, что моделист считает, что люди 45 и моложе недопредставлены в этой выборке. Моделист хочет придать всем рядам с возрастом до 45 лет больший вес. Предположим, что моделист считает, что возрастная группа до 45 лет должна иметь на 50% больший вес, чем ряды с возрастом 46 лет и выше. Табличные данные расширяются для включения весов наблюдений. A Weight добавляется в таблицу, где все строки с возрастом 45 лет и ниже имеют вес 1.5, и все остальные ряды вес 1. Существуют и другие причины использования весов, например, последним точкам данных могут присваиваться более высокие веса, чем старым точкам данных.
Если вы складируете взвешенные данные на основе возраста (45 и ниже, против 46 и выше), ожидается, что каждая строка с возрастом 45 и ниже должна считать 1,5 наблюдения, и, следовательно, Good и Bad «счетчики» увеличены на 50%:
«Счетчики» теперь являются «взвешенными частотами» и больше не являются целыми значениями. Odds не изменяйте для первой ячейки. Определенные веса, приведенные в этом примере, имеют эффект масштабирования общего количества Good и Bad подсчитывает в первом блоке на один и тот же коэффициент масштабирования, поэтому их соотношение не изменяется. Тем не менее, Odds значение общей выборки действительно изменяется; первый бункер теперь имеет больший вес, и поскольку шансы в этом бункере ниже, общая сумма Odds сейчас тоже ниже. Другие статистические данные кредитной карты показателей, не показанные здесь, такие как WOE и Information Value затрагиваются аналогичным образом.
В общем, эффект весов заключается не просто в масштабировании частот в конкретном бункере, потому что члены этого бункера будут иметь разные веса. Целью этого примера является демонстрация концепции перехода от подсчета к сумме весов.
autobinning | bininfo | creditscorecard | fitmodel | validatemodel