基于机器学习的智能信用评分卡模型:变量分箱与WOE编码
**基于机器学习的智能信用评分卡模型:变量分箱与WOE编码**
### 一、问题描述
信用评分卡是金融风控中的核心工具,用于评估借款人违约风险。传统评分卡通常采用逻辑回归模型,但其前提是需要对原始特征进行分箱(Binning)和WOE(Weight of Evidence)编码,以解决以下问题:
1. **非线性关系**:将连续变量转换为离散区间,捕捉变量与违约概率的非线性关系。
2. **异常值鲁棒性**:分箱可减少异常值的干扰。
3. **可解释性**:每个箱的WOE值
2025-11-14 07:29:01
0