screenpredictors

Просмотр предикторов кредитной карты показателей для прогнозной стоимости

Синтаксис

metric_table = сценаристы (данные)

metric_table = сценаристы (___, имя, значение)

Описание

metric_table = screenpredictors(data) возвращает выходную переменную, metric_tableтаблица MATLAB ®, содержащая вычисленные значения для нескольких показателей прогнозирующей мощности для каждой прогнозирующей переменной в data. Используйте screenpredictors функция в качестве шага предварительной обработки в потоке операций Моделирование кредитной карты показателей для уменьшения числа переменных предиктора перед созданием кредитной карты показателей с помощью creditscorecard функция из Финансового Toolbox™.

пример

metric_table = screenpredictors(___,Name,Value) указывает параметры, использующие один или несколько аргументов пары имя-значение в дополнение к входным аргументам в предыдущем синтаксисе.

Примеры

свернуть все

Экранные предикторы для `creditscorecard` Объект

Открыть сценарий в реальном времени

Уменьшите количество переменных предиктора путем скрининга предикторов перед созданием кредитной карты показателей.

Используйте CreditCardData.mat для загрузки данных (с использованием набора данных из Refaat 2011).

load CreditCardData.mat

Определить 'IDVar' и 'ResponseVar'.

idvar = 'CustID';
responsevar = 'status';

Использовать screenpredictors чтобы вычислить метрики скрининга предиктора. Функция возвращает таблицу, содержащую значения метрик. Каждая строка таблицы соответствует предиктору из данных входной таблицы.

metric_table = screenpredictors(data,'IDVar', idvar,'ResponseVar', responsevar)

metric_table=9×7 table
                   InfoValue    AccuracyRatio     AUROC     Entropy     Gini      Chi2PValue    PercentMissing
                   _________    _____________    _______    _______    _______    __________    ______________

    CustAge          0.18863       0.17095       0.58547    0.88729    0.42626    0.00074524          0       
    TmWBank          0.15719       0.13612       0.56806    0.89167    0.42864     0.0054591          0       
    CustIncome       0.15572       0.17758       0.58879      0.891    0.42731     0.0018428          0       
    TmAtAddress     0.094574      0.010421       0.50521    0.90089    0.43377         0.182          0       
    UtilRate        0.075086      0.035914       0.51796    0.90405    0.43575       0.45546          0       
    AMBalance        0.07159      0.087142       0.54357    0.90446    0.43592       0.48528          0       
    EmpStatus       0.048038       0.10886       0.55443    0.90814     0.4381    0.00037823          0       
    OtherCC         0.014301      0.044459       0.52223    0.91347    0.44132      0.047616          0       
    ResStatus      0.0097738       0.05039        0.5252    0.91422    0.44182       0.27875          0

metric_table = sortrows(metric_table,'AccuracyRatio','descend')

metric_table=9×7 table
                   InfoValue    AccuracyRatio     AUROC     Entropy     Gini      Chi2PValue    PercentMissing
                   _________    _____________    _______    _______    _______    __________    ______________

    CustIncome       0.15572       0.17758       0.58879      0.891    0.42731     0.0018428          0       
    CustAge          0.18863       0.17095       0.58547    0.88729    0.42626    0.00074524          0       
    TmWBank          0.15719       0.13612       0.56806    0.89167    0.42864     0.0054591          0       
    EmpStatus       0.048038       0.10886       0.55443    0.90814     0.4381    0.00037823          0       
    AMBalance        0.07159      0.087142       0.54357    0.90446    0.43592       0.48528          0       
    ResStatus      0.0097738       0.05039        0.5252    0.91422    0.44182       0.27875          0       
    OtherCC         0.014301      0.044459       0.52223    0.91347    0.44132      0.047616          0       
    UtilRate        0.075086      0.035914       0.51796    0.90405    0.43575       0.45546          0       
    TmAtAddress     0.094574      0.010421       0.50521    0.90089    0.43377         0.182          0

На основе AccuracyRatio выберите верхние предикторы для использования при создании creditscorecard объект.

varlist = metric_table.Row(metric_table.AccuracyRatio > 0.09)

varlist = 4x1 cell
    {'CustIncome'}
    {'CustAge'   }
    {'TmWBank'   }
    {'EmpStatus' }

Использовать creditscorecard для создания createscorecard на основе только «отсеянных» предикторов.

sc = creditscorecard(data,'IDVar', idvar,'ResponseVar', responsevar, 'PredictorVars', varlist)

sc = 
  creditscorecard with properties:

                GoodLabel: 0
              ResponseVar: 'status'
               WeightsVar: ''
                 VarNames: {1x11 cell}
        NumericPredictors: {'CustAge'  'CustIncome'  'TmWBank'}
    CategoricalPredictors: {'EmpStatus'}
           BinMissingData: 0
                    IDVar: 'CustID'
            PredictorVars: {'CustAge'  'EmpStatus'  'CustIncome'  'TmWBank'}
                     Data: [1200x11 table]

Входные аргументы

свернуть все

`data` - Данные для `creditscorecard` объект
таблица | таблица высокого уровня | расписание высокого уровня

Данные для creditscorecard объект, указанный как таблица MATLAB, таблица высокого уровня или расписание высокого уровня, где каждый столбец данных может быть любым из следующих типов данных:

Числовой
Логичный
Массив ячеек символьных векторов
Символьный массив
Категоричный
Последовательность

Типы данных: table

Аргументы пары «имя-значение»

Укажите дополнительные пары, разделенные запятыми Name,Value аргументы. Name является именем аргумента и Value - соответствующее значение. Name должен отображаться внутри кавычек. Можно указать несколько аргументов пары имен и значений в любом порядке как Name1,Value1,...,NameN,ValueN.

Пример: metric_table = screenpredictors(data,'IDVar','CustAge','ResponseVar','status','PredictorVars',{'CustID','CustIncome'})

`'IDVar'` - Имя переменной идентификатора
`''` (по умолчанию) | символьный вектор

Имя переменной идентификатора, указанной как разделенная запятыми пара, состоящая из 'IDVar' и чувствительный к регистру символьный вектор. 'IDVar' данные могут быть порядковыми номерами или номерами социального страхования. Путем указания 'IDVar', можно легко опустить переменную идентификатора из переменных предиктора.

Типы данных: char

`'ResponseVar'` - Имя переменной ответа для индикатора «Хорошо» или «Плохо»
последний столбец `data` input (по умолчанию) | символьный вектор

Имя переменной ответа для индикатора «Хорошо» или «Плохо», указанного как пара, разделенная запятыми, состоящая из 'ResponseVar' и чувствительный к регистру символьный вектор. Данные переменной ответа должны быть двоичными.

Если не указано, 'ResponseVar' установлен в последний столбец ввода data по умолчанию.

Типы данных: char

`'PredictorVars'` - Имена переменных предиктора
установить разницу между `VarNames` и `{IDVar`,`ResponseVar}` (по умолчанию) | массив ячеек символьных векторов | строковый массив

Имена переменных предиктора, указанных как пара, разделенная запятыми, состоящая из 'PredictorVars' и чувствительный к регистру массив ячеек из символьных векторов или строкового массива. По умолчанию при создании creditscorecard объект, все переменные являются предикторами, кроме IDVar и ResponseVar. Любое имя, указанное с помощью 'PredictorVars' должны отличаться от IDVar и ResponseVar имена.

Типы данных: cell | string

`'WeightsVar'` - Наименование переменной весов
`''` (по умолчанию) | символьный вектор

Имя переменной весов, указанной как разделенная запятыми пара, состоящая из 'WeightsVar' и чувствительный к регистру вектор символов для указания имени столбца в data таблица содержит веса строк.

Если не указать 'WeightsVar' при создании creditscorecard затем функция использует веса единиц измерения в качестве весов наблюдения.

Типы данных: char

`'NumBins'` - Количество (равных по частоте) ячеек для числовых предикторов
`20` (по умолчанию) | скалярный числовой

Количество (равных по частоте) ячеек для числовых предикторов, указанных как разделенная запятыми пара, состоящая из 'NumBins' и скалярный числовой.

Типы данных: double

`'FrequencyShift'` - Указывает небольшой сдвиг в таблицах частот, содержащих нулевые значения
`0.5` (по умолчанию) | скалярное числовое между `0` и `1`

Небольшой сдвиг в таблицах частот, содержащих нулевые значения, указанные как пара, разделенная запятыми, состоящая из 'FrequencyShift' и скалярное число со значением между 0 и 1.

Если таблица частот предиктора содержит «чистые» ячейки (содержащие все товары или все ячейки) после складирования данных с помощью autobinning, то функция добавляет 'FrequencyShift' значение для всех ячеек в таблице. Чтобы избежать каких-либо возмущений, установите 'FrequencyShift' кому 0.

Типы данных: double

Выходные аргументы

свернуть все

`metric_table` - Расчетные значения для метрик скрининга предикторов
стол

Вычисленные значения для метрик скрининга предиктора, возвращенные в виде таблицы. Каждая строка таблицы соответствует предиктору из данных входной таблицы. Столбцы таблицы содержат вычисленные значения для следующих метрик:

'InfoValue' - Информационное значение. Эта метрика измеряет силу предиктора в модели подгонки, определяя отклонение между распределениями "Goods" и "Bads".
'AccuracyRatio' - Коэффициент точности.
'AUROC' - Площадь под кривой ROC.
'Entropy' - Энтропия. Эта метрика измеряет уровень непредсказуемости в ячейках. Для проверки модели риска можно использовать энтропийную метрику.
'Gini' - Джини. Эта метрика измеряет статистическую дисперсию или неравенство в выборке данных.
'Chi2PValue' - p-значение хи-квадрата. Эта метрика вычисляется из метрики хи-квадрат и является мерой статистической разности и независимости между группами.
'PercentMissing' - Процент отсутствующих значений в предикторе. Эта метрика выражается в десятичной форме.

Расширенные возможности

Массивы высокого уровня
Расчет с массивами, в которых больше строк, чем в памяти.

Эта функция поддерживает ввод data это значение задается как вектор высокого столбца, таблица высокого уровня или расписание высокого уровня. Следует отметить, что выходные данные числовых предикторов могут несколько отличаться при использовании массива высокого уровня. Категориальные предикторы возвращают одинаковые результаты для таблиц и массивов с высоким уровнем. Дополнительные сведения см. в разделе tall и Высокие Массивы.

См. также

bininfo | creditscorecard | modifybins | modifypredictor

Темы

Скрининг функций с помощью сценариев

Представлен в R2019a

Документация

screenpredictors

Синтаксис

Описание

Примеры

Экранные предикторы для `creditscorecard` Объект

Входные аргументы

`data` - Данные для `creditscorecard` объект
таблица | таблица высокого уровня | расписание высокого уровня

Аргументы пары «имя-значение»

`'IDVar'` - Имя переменной идентификатора
`''` (по умолчанию) | символьный вектор

`'ResponseVar'` - Имя переменной ответа для индикатора «Хорошо» или «Плохо»
последний столбец `data` input (по умолчанию) | символьный вектор

`'PredictorVars'` - Имена переменных предиктора
установить разницу между `VarNames` и `{IDVar`,`ResponseVar}` (по умолчанию) | массив ячеек символьных векторов | строковый массив

`'WeightsVar'` - Наименование переменной весов
`''` (по умолчанию) | символьный вектор

`'NumBins'` - Количество (равных по частоте) ячеек для числовых предикторов
`20` (по умолчанию) | скалярный числовой

`'FrequencyShift'` - Указывает небольшой сдвиг в таблицах частот, содержащих нулевые значения
`0.5` (по умолчанию) | скалярное числовое между `0` и `1`

Выходные аргументы

`metric_table` - Расчетные значения для метрик скрининга предикторов
стол

Расширенные возможности

Массивы высокого уровня
Расчет с массивами, в которых больше строк, чем в памяти.

См. также

Темы

Документация по инструментам управления рисками

Поддержка

Документация

screenpredictors

Синтаксис

Описание

Примеры

Экранные предикторы для creditscorecard Объект

Входные аргументы

data - Данные для creditscorecard объект таблица | таблица высокого уровня | расписание высокого уровня

Аргументы пары «имя-значение»

'IDVar' - Имя переменной идентификатора '' (по умолчанию) | символьный вектор

'ResponseVar' - Имя переменной ответа для индикатора «Хорошо» или «Плохо» последний столбец data input (по умолчанию) | символьный вектор

'PredictorVars' - Имена переменных предиктора установить разницу между VarNames и {IDVar,ResponseVar} (по умолчанию) | массив ячеек символьных векторов | строковый массив

'WeightsVar' - Наименование переменной весов '' (по умолчанию) | символьный вектор

'NumBins' - Количество (равных по частоте) ячеек для числовых предикторов 20 (по умолчанию) | скалярный числовой

'FrequencyShift' - Указывает небольшой сдвиг в таблицах частот, содержащих нулевые значения 0.5 (по умолчанию) | скалярное числовое между 0 и 1

Выходные аргументы

metric_table - Расчетные значения для метрик скрининга предикторов стол

Расширенные возможности

Массивы высокого уровня Расчет с массивами, в которых больше строк, чем в памяти.

См. также

Темы

Документация по инструментам управления рисками

Поддержка

Экранные предикторы для `creditscorecard` Объект

`data` - Данные для `creditscorecard` объект
таблица | таблица высокого уровня | расписание высокого уровня

`'IDVar'` - Имя переменной идентификатора
`''` (по умолчанию) | символьный вектор

`'ResponseVar'` - Имя переменной ответа для индикатора «Хорошо» или «Плохо»
последний столбец `data` input (по умолчанию) | символьный вектор

`'PredictorVars'` - Имена переменных предиктора
установить разницу между `VarNames` и `{IDVar`,`ResponseVar}` (по умолчанию) | массив ячеек символьных векторов | строковый массив

`'WeightsVar'` - Наименование переменной весов
`''` (по умолчанию) | символьный вектор

`'NumBins'` - Количество (равных по частоте) ячеек для числовых предикторов
`20` (по умолчанию) | скалярный числовой

`'FrequencyShift'` - Указывает небольшой сдвиг в таблицах частот, содержащих нулевые значения
`0.5` (по умолчанию) | скалярное числовое между `0` и `1`

`metric_table` - Расчетные значения для метрик скрининга предикторов
стол

Массивы высокого уровня
Расчет с массивами, в которых больше строк, чем в памяти.