WoEEncoder#
- class feature_engine.encoding.WoEEncoder(variables=None, ignore_format=False, unseen='ignore', fill_value=None)[源代码][源代码]#
WoEEncoder() 用证据权重（WoE）替换类别。WoE 主要用于金融行业创建信用风险评分卡。
默认情况下，编码器只会对类别变量（类型为’object’或’categorical’）进行编码。你可以传递一个变量列表进行编码。或者，编码器会自动查找并编码所有类别变量（类型为’object’或’categorical’）。
使用
ignore_format=True，您可以选择将数值变量也进行编码。该过程是相同的，您可以输入要编码的变量列表，或者转换器将自动选择所有变量。编码器首先将类别映射到每个变量的证据权重（拟合）。然后，编码器将类别转换为映射的数字（转换）。
这种分类编码专用于二元分类。
注意
log(0) 未定义，除以 0 也未定义。因此，如果 WoE 方程中的任何一项在给定类别中为 0，编码器将返回错误。如果发生这种情况，尝试将较少频率的类别分组。或者，您现在可以添加一个 fill_value（参见下面的参数）。
更多详情请参见 用户指南。
- 参数
- 变量: 列表, 默认=无
将被编码的分类变量的列表。如果为 None，编码器将默认查找并转换所有类型为对象或分类的变量。你也可以让转换器接受数值变量，参见参数
ignore_format。- ignore_format: bool, default=False
此转换器仅对对象类型或分类类型的变量进行操作。要覆盖此行为并允许转换器也转换数值变量，请设置为
True。如果
ignore_format为False，编码器将自动选择类型为对象或分类的变量，或检查用户输入的变量是否为对象或分类类型。如果为True，编码器将选择所有变量或接受用户输入的所有变量，包括那些被转换为数值类型的变量。简而言之，当你想要编码数值变量时，设置为
True。- unseen: string, default=’ignore’
指示在转换过程中遇到训练集中不存在的类别时应采取的操作。如果为
'raise'，则未见过的类别将引发错误。如果为'ignore'，则未见过的类别将被编码为 NaN，并会引发警告。- fill_value: int, float, default=None
当 WoE 计算的分子或分母为零时，WoE 计算是不可能的。如果
fill_value为 None（推荐），在这些情况下将引发错误。或者，将使用 fill_value 来替代等于零的分母或分子。
- 属性
- encoder_dict_:
包含每个变量的 WoE 的字典。
- 变量_
将被转换的变量组。
- feature_names_in_:
在
fit过程中看到的特征名称列表。- n_features_in_:
在拟合过程中使用的训练集中的特征数量。
参见
feature_engine.encoding.RareLabelEncoderfeature_engine.离散化category_encoders.woe.WOEEncoder
注释
有关证据权重的计算详情，请访问：https://www.listendata.com/2015/03/weight-of-evidence-woe-and-information.html
当编码训练数据集中未出现的类别时，会引入 NAN。如果发生这种情况，尝试使用 RareLabelEncoder() 对不常见的类别进行分组。
在开源包 Category encoders 中有一个类似的实现。
示例
>>> import pandas as pd >>> from feature_engine.encoding import WoEEncoder >>> X = pd.DataFrame(dict(x1 = [1,2,3,4,5], x2 = ["b", "b", "b", "a", "a"])) >>> y = pd.Series([0,1,1,1,0]) >>> woe = WoEEncoder() >>> woe.fit(X, y) >>> woe.transform(X) x1 x2 0 1 0.287682 1 2 0.287682 2 3 0.287682 3 4 -0.405465 4 5 -0.405465
方法
拟合：
学习每个类别、每个变量的WoE（权重优势）。
转换：
将类别编码为数字。
fit_transform:
拟合数据，然后进行转换。
get_feature_names_out:
获取转换后的输出特征名称。
get_params:
获取此估计器的参数。
设置参数:
设置此估计器的参数。
inverse_transform:
将数据转换回原始表示形式。
- fit(X, y)[源代码][源代码]#
学习WoE。
- 参数
- X: pandas 数据框，形状为 = [样本数, 特征数]
训练输入样本。可以是整个数据框，而不仅仅是分类变量。
- y: pandas 系列。
目标，必须是二进制的。
- fit_transform(X, y=None, **fit_params)[源代码]#
拟合数据，然后进行转换。
使用可选参数
fit_params将转换器拟合到X和y，并返回X的转换版本。- 参数
- X类似数组的形状 (n_samples, n_features)
输入样本。
- y类似数组的形状 (n_samples,) 或 (n_samples, n_outputs), 默认=None
目标值（无监督转换为None）。
- **fit_参数dict
附加的拟合参数。
- 返回
- X_newndarray 形状为 (n_samples, n_features_new)
转换后的数组。
- get_metadata_routing()[源代码]#
获取此对象的元数据路由。
请查看 用户指南 以了解路由机制的工作原理。
- 返回
- 路由MetadataRequest
一个封装了路由信息的
MetadataRequest。
- get_params(deep=True)[源代码]#
获取此估计器的参数。
- 参数
- 深度bool, 默认=True
如果为 True，将返回此估计器及其包含的作为估计器的子对象的参数。
- 返回
- 参数dict
参数名称映射到它们的值。
- inverse_transform(X)[源代码]#
将编码后的变量转换回原始值。
- 参数
- X: 形状为 [n_samples, n_features] 的 pandas 数据框。
转换后的数据框。
- 返回
- X_tr: 形状为 [n_samples, n_features] 的 pandas 数据框。
未经转换的数据框，分类变量包含原始值。
- rtype
DataFrame..