8.1

為什么我們做評(píng)分卡的時(shí)候要用

woe

編碼

?

理解評(píng)分卡中為什么要使用WOE（Weight of Evidence）編碼就像理解編程中的最優(yōu)數(shù)據(jù)結(jié)構(gòu)一樣，讓我們深入了解它并為你加入一些程序員的精彩元素 ????： **為什么要使用WOE編碼？** 一般情況下，我們在處理數(shù)據(jù)時(shí)會(huì)使用One-Hot編碼將分類變量轉(zhuǎn)化為二進(jìn)制的稀疏矩陣。但是，這會(huì)導(dǎo)致數(shù)據(jù)變得非常高維且稀疏，這對(duì)于模型來說是有挑戰(zhàn)的，就像在編程中使用不合適的數(shù)據(jù)結(jié)構(gòu)一樣，會(huì)導(dǎo)致性能問題。 此時(shí)，通常的做法是將這些高維稀疏特征進(jìn)行嵌入（Embedding），但嵌入后的特征在可解釋性方面會(huì)受到一定的影響，就像優(yōu)化性能會(huì)犧牲可讀性一樣。 這就是為什么我們使用WOE編碼的原因。WOE編碼不僅可以將分類特征轉(zhuǎn)化為數(shù)值特征，還能保持可解釋性。它通過計(jì)算不同類別的事件發(fā)生率與非事件發(fā)生率之比，來編碼每個(gè)類別。這樣，WOE編碼提供了一種更具信息量和可解釋性的方式來表示分類特征。 所以，就像在編程中選擇最適合任務(wù)的數(shù)據(jù)結(jié)構(gòu)一樣，WOE編碼在評(píng)分卡建模中提供了更好的特征表示，既考慮了模型性能，又保留了可解釋性。這就是為什么我們在評(píng)分卡建模時(shí)常常使用WOE編碼的原因。