自动分箱概述

本站原创文章，转载请说明来自《老饼讲解-机器学习》www.bbbdata.com

本文粗略介绍什么是自动分箱、常使用的方法有哪些，

以及各个自动分箱方法的基本思想，

最后泛谈一下自动分箱的一些相关问题

    01. 自动分箱简介    

    什么是自动分箱    

在机器学习中，
有时往往需要将连续的数值变量，分成指定个离散变量，
自动分箱一般就是指 将连续变量自动离散化

    简单的自动分箱方法    

简单的自动分箱方法一般有等频、等距分箱

    实际使用的自动分箱算法    

等频、等距分箱过于原始，效果往往并不够优秀，
 一般实际使用的自动分箱为以下三种：

     决策树分箱       
    最大KS分箱     
     卡方分箱        

    02. 自动分箱算法思想    

下面介绍决策树分箱、最大KS分箱、卡方分箱这几种自动分箱算法的思想

    决策树分箱    

决策树分箱是用变量与y构建决策树，
使用决策树最后的叶子节点作为分箱结果。

如下，使用x与y构建决策树，
最后得到三个分箱： 
【<=5.45 】、(5.45,6.15】、【>6.15】
 
 

    最大KS分箱    

最大KS分箱只用于二分类，
它先把所有样本初始化为一个分箱，
然后根据KS点对分箱不断切割，
直到数据分为n个分箱

如下，KS分箱就是根据最大KS值所在处，
将分箱不断一分为二，直到达到目标分箱个数

    卡方分箱    

卡方分箱则是先初始化m个分箱，
然后不断合并分箱，直到分箱数只剩n个，
那么，每次哪两个分箱？
卡方分箱用卡方值判断哪两个分箱的类别分布最没区分度,
就合并哪两个分箱。

如下，卡方分箱先初始化多个分箱，
然后根据卡方值不断进行合并，
最终合并成目标分箱数目

    03. 自动分箱泛谈    

    枚举变量如何自动分箱    

自动分箱指的是针对连续变量，
那枚举变量怎么自动分箱呢？
例如有100个城市，我想合并成10个分箱，
该怎么解决？

只要将枚举变量转换成连续变量就可以了，
例如用每个城市的woe替代城市名称，
再应用以上连续变量的分箱方法就可以了

    关于代码实现    

目前(2022-10)python并没有官方的自动分箱包，
一般需要自己写代码实现。
因为没有官方包，都是自己写的代码，
所以即使用同样的自动分箱算法，
不同的人实现后出来的结果也可能会不一致，
主要是算法的实现细节上大家有所出入。

 End