screenpredictors

Просмотрите предикторы карты показателей кредита для прогнозирующего значения

Синтаксис

metric_table
= screenpredictors(data)

metric_table
= screenpredictors(___,Name,Value)

Описание

пример

metric_table = screenpredictors(data) возвращает выходную переменную, metric_table, MATLAB^® таблица, содержащая вычисленные значения для нескольких мер прогнозирующей степени для каждой переменной предиктора в data. Используйте screenpredictors выполнять функцию шага предварительной обработки в рабочем процессе моделирования карты показателей кредита, чтобы уменьшить количество переменных предиктора перед созданием карты показателей кредита с помощью creditscorecard функция из Financial Toolbox™.

пример

metric_table = screenpredictors(___,Name,Value) задает опции, использующие один или несколько аргументы пары "имя-значение" в дополнение к входным параметрам в предыдущем синтаксисе.

Примеры

свернуть все

Предикторы экрана для `creditscorecard` Объект

Открыть Live Script

Уменьшите количество переменных предиктора путем скрининга предикторов перед созданием карты результатов кредита.

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

load CreditCardData.mat

Определите 'IDVar' и 'ResponseVar'.

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

Использование screenpredictors вычислить метрики скрининга предиктора. Функция возвращает таблицу, содержащую значения метрик. Каждая строка таблицы соответствует предиктору из данных входов 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 metric, выберите верхние предикторы, которые будут использоваться при создании creditscorecard объект.

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

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

Использование creditscorecard для создания createscorecard объект, основанный только на «экранированных» предикторах.

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 параметры

свернуть все

`data` - Данные для `creditscorecard` объект
таблица | длинная таблица | длинное расписание

Данные для creditscorecard объект, заданный как таблица MATLAB, длинная таблица или длинное расписание, где каждый столбец данных может быть любым из следующих типов данных:

Числовой
Логичный
Массив ячеек из символьных векторов
Символьный массив
Категоричный
Строка

Типы данных: table

Аргументы в виде пар имя-значение

Задайте необязательные разделенные разделенными запятой парами Name,Value аргументы. Name - имя аргумента и Value - соответствующее значение. Name должны находиться внутри кавычек. Можно задать несколько аргументов в виде пар имен и значений в любом порядке Name1,Value1,...,NameN,ValueN.

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

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

Имя переменной идентификатора, заданное как разделенная разделенными запятой парами, состоящая из 'IDVar' и вектор символов с учетом регистра. The 'IDVar' данные могут быть порядковыми номерами или номерами социального страхования. Путем определения 'IDVar'можно легко опустить переменную идентификатора из переменных предиктора.

Типы данных: char

`'ResponseVar'` - Имя переменной отклика для индикатора «Хорошо» или «Плохо»
последний столбец `data` входной (по умолчанию) | вектор символов

Имя переменной отклика для индикатора «Хорошо» или «Плохо», заданное как разделенная разделенными запятой парами, состоящая из 'ResponseVar' и вектор символов с учетом регистра. Данные переменной отклика должны быть двоичными.

Если не указано, 'ResponseVar' устанавливается в последний столбец входа data по умолчанию.

Типы данных: char

`'PredictorVars'` - Имена переменных предиктора
установите различие между `VarNames` и `{IDVar`, `ResponseVar}` (по умолчанию) | массив ячеек из векторов символов | строковых массивов

Имена переменных предиктора, заданные как разделенная разделенными запятой парами, состоящая из 'PredictorVars' и чувствительный к регистру массив ячеек из векторов символов или строковых массивов. По умолчанию, когда вы создаете creditscorecard объект, все переменные являются предикторами, кроме IDVar и ResponseVar. Любое имя, которое вы задаете используя 'PredictorVars' должен отличаться от IDVar и ResponseVar имена.

Типы данных: cell | string

`'WeightsVar'` - Имя переменной весов
`''` (по умолчанию) | вектор символов

Имя переменной весов, заданное как разделенная разделенными запятой парами, состоящая из 'WeightsVar' и вектор символов с учетом регистра, чтобы указать, какое имя столбца в data таблица содержит веса строк.

Если вы не задаете 'WeightsVar' когда вы создаете creditscorecard объект, тогда функция использует единичные веса в качестве весов наблюдений.

Типы данных: char

`'NumBins'` - Количество интервалов (равной частоты) для числовых предикторов
`20` (по умолчанию) | скалярным числом

Количество (одинаковых частот) интервалов для числовых предикторов, заданное как разделенная разделенными запятой парами, состоящая из 'NumBins' и скалярным числом.

Типы данных: double

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

Малый сдвиг в таблицах частот, которые содержат нулевые значения, задается как разделенная разделенными запятой парами, состоящая из 'FrequencyShift' и скаляр число со значением между 0 и 1.

Если таблица частот предиктора содержит любые «чистые» интервалы (содержащие все товары или все бады) после того, как вы складываете данные с помощью autobinning, затем функция добавляет 'FrequencyShift' значение для всех интервалов в таблице. Чтобы избежать каких-либо возмущений, установите 'FrequencyShift' на 0.

Типы данных: double

Выходные аргументы

свернуть все

`metric_table` - Вычисленные значения для метрик скрининга предиктора
таблица

Вычисленные значения для метрик скрининга предиктора, возвращенные как таблица. Каждая строка таблицы соответствует предиктору из данных входов таблицы. Столбцы таблицы содержат вычисленные значения для следующих метрик:

'InfoValue' - Значение информации. Эта метрика измеряет силу предиктора в модели аппроксимации путем определения отклонения между распределениями "Goods" и "Bads".
'AccuracyRatio' - Коэффициент точности.
'AUROC' - Площадь под кривой ROC.
'Entropy' - Энтропия. Эта метрика измеряет уровень непредсказуемости в интервалах. Можно использовать метрику энтропии, чтобы подтвердить модель риска.
'Gini' - Джини. Эта метрика измеряет статистическую дисперсию или неравенство в выборке данных.
'Chi2PValue' - Chi-квадрат p -значение. Эта метрика вычисляется из хи-квадратной метрики и является мерой статистического различия и независимости между группами.
'PercentMissing' - Процент отсутствующих значений в предикторе. Эта метрика выражена в десятичной форме.

Расширенные возможности

Длинные» массивы
Осуществление вычислений с массивами, которые содержат больше строк, чем помещается в памяти.

Эта функция поддерживает входные data задается как tall вектора-столбца, длинной таблицы или длинного расписания. Обратите внимание, что выход для числовых предикторов может немного отличаться при использовании длинный массив. Категориальные предикторы возвращают те же результаты для таблиц и длинных массивов. Для получения дополнительной информации смотрите tall и Длинные массивы.

См. также

bininfo | creditscorecard | modifybins | modifypredictor

Темы

Скрининг функций с помощью скрингдикторов

Введенный в R2019a

Документация

screenpredictors

Синтаксис

Описание

Примеры

Предикторы экрана для `creditscorecard` Объект

Входные параметры

`data` - Данные для `creditscorecard` объект
таблица | длинная таблица | длинное расписание

Аргументы в виде пар имя-значение

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

`'ResponseVar'` - Имя переменной отклика для индикатора «Хорошо» или «Плохо»
последний столбец `data` входной (по умолчанию) | вектор символов

`'PredictorVars'` - Имена переменных предиктора
установите различие между `VarNames` и `{IDVar`, `ResponseVar}` (по умолчанию) | массив ячеек из векторов символов | строковых массивов

`'WeightsVar'` - Имя переменной весов
`''` (по умолчанию) | вектор символов

`'NumBins'` - Количество интервалов (равной частоты) для числовых предикторов
`20` (по умолчанию) | скалярным числом

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

Выходные аргументы

`metric_table` - Вычисленные значения для метрик скрининга предиктора
таблица

Расширенные возможности

Длинные» массивы
Осуществление вычислений с массивами, которые содержат больше строк, чем помещается в памяти.

См. также

Темы

Документация по Risk Management Toolbox

Поддержка

Документация

screenpredictors

Синтаксис

Описание

Примеры

Предикторы экрана для creditscorecard Объект

Входные параметры

data - Данные для creditscorecard объект таблица | длинная таблица | длинное расписание

Аргументы в виде пар имя-значение

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

'ResponseVar' - Имя переменной отклика для индикатора «Хорошо» или «Плохо» последний столбец data входной (по умолчанию) | вектор символов

'PredictorVars' - Имена переменных предиктора установите различие между VarNames и {IDVar, ResponseVar} (по умолчанию) | массив ячеек из векторов символов | строковых массивов

'WeightsVar' - Имя переменной весов '' (по умолчанию) | вектор символов

'NumBins' - Количество интервалов (равной частоты) для числовых предикторов 20 (по умолчанию) | скалярным числом

'FrequencyShift' - Указывает на небольшой сдвиг в таблицах частот, которые содержат нулевые значения 0.5 (по умолчанию) | скалярное число между 0 и 1

Выходные аргументы

metric_table - Вычисленные значения для метрик скрининга предиктора таблица

Расширенные возможности

Длинные» массивы Осуществление вычислений с массивами, которые содержат больше строк, чем помещается в памяти.

См. также

Темы

Документация по Risk Management Toolbox

Поддержка

Предикторы экрана для `creditscorecard` Объект

`data` - Данные для `creditscorecard` объект
таблица | длинная таблица | длинное расписание

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

`'ResponseVar'` - Имя переменной отклика для индикатора «Хорошо» или «Плохо»
последний столбец `data` входной (по умолчанию) | вектор символов

`'PredictorVars'` - Имена переменных предиктора
установите различие между `VarNames` и `{IDVar`, `ResponseVar}` (по умолчанию) | массив ячеек из векторов символов | строковых массивов

`'WeightsVar'` - Имя переменной весов
`''` (по умолчанию) | вектор символов

`'NumBins'` - Количество интервалов (равной частоты) для числовых предикторов
`20` (по умолчанию) | скалярным числом

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

`metric_table` - Вычисленные значения для метрик скрининга предиктора
таблица

Длинные» массивы
Осуществление вычислений с массивами, которые содержат больше строк, чем помещается в памяти.