我正在尝试手动计算 WoE,但我无法获得与 WOEEncoder 计算category_encoders相同的结果。这是我想要计算分数的数据帧:
df = pd.DataFrame({'cat': ['a', 'b', 'a', 'b', 'a', 'a', 'b', 'c', 'c'], 'target': [1, 0, 0, 1, 0, 0, 1, 1, 0]})
这是我用来计算 WoE 分数的代码
woe = WOEEncoder(cols=['cat'], random_state=42)
X = df['cat']
y = df.target
encoded_df = woe.fit_transform(X, y)
相同的结果是:
0 -0.538997
1 0.559616
2 -0.538997
3 0.559616
4 -0.538997
5 -0.538997
6 0.559616
7 0.154151
8 0.154151
所以 "a"编码为 -0.538997 "b"编码为 0.559616 "c"编码为 0.154151
当我用手计算分数时,它们是不同的,我取
ln(% of non events / % of events).
例如,为了计算 WoE,
% of non events = targets which are 0 for 'a'/ total targets for group 'a'
因此,非事件的百分比 = 3/4 = 0.75
% of events = targets which are 1 for 'a' / total targets for group 'a'
So, % of events = 1/4 = 0.25
Now, 0.75/0.25 = 3
因此,WoE(a( = ln(3( = 1.09,这与上面的编码器不同。
由于它是一个开源项目,因此可以看到函数的代码:
http://contrib.scikit-learn.org/category_encoders/_modules/category_encoders/woe.html#WOEEncoder
要获得与 WOEEncoder 类似的结果,代码中存在两个主要问题:
-
WOEEncoder 有一个参数"正则化",默认值为 1。您应该创建一个正则化=0 的 WOEEncoder 对象以获得相同的结果
-
第二个问题是你对悲惨公式的解释错误。 对于情况"a",正确的一个(在 WOEEncoder 中实现(将是:
非事件百分比 = "a"为 0 的目标/总目标为 0
事件百分比 = "a"为 1 的目标/总目标为 1
欠 = ln(事件百分比/非事件百分比 (
对于"a"的情况,这将产生:
% of non events = 3/5
% of events = 1/4
ln(% of events / % of non events ) = ln(5/12) = -0.8754687373538999
如果执行修改后的代码:
woe = WOEEncoder(cols=['cat'], random_state=42, regularization=0)
X = df['cat']
y = df.target
encoded_df = woe.fit_transform(X, y)
您将看到类似的结果:
0 -0.875469
1 0.916291
2 -0.875469
3 0.916291
4 -0.875469
5 -0.875469
6 0.916291
7 0.223144
8 0.223144