[置顶] 【数据建模 WOE编码】WOE(weight of evidence, 证据权重)
2017-11-01 18:01
337 查看
WOE(weight of evidence, 证据权重)
一种有监督的编码方式,将预测类别的集中度的属性作为编码的数值
优势
将特征的值规范到相近的尺度上。
(经验上讲,WOE的绝对值波动范围在0.1~3之间)。
具有业务含义。
缺点
需要每箱中同时包含好、坏两个类别。
一种有监督的编码方式,将预测类别的集中度的属性作为编码的数值
优势
将特征的值规范到相近的尺度上。
(经验上讲,WOE的绝对值波动范围在0.1~3之间)。
具有业务含义。
缺点
需要每箱中同时包含好、坏两个类别。
相关文章推荐
- [置顶] 【数据建模 类别型变量编码】特殊变量的处理
- [置顶] 【数据建模 卡方检验】了解卡方检验
- [置顶] Android自适应布局(关于权重weight的使用技巧!)
- 第107课: Spark Streaming电商广告点击综合案例底层数据层的建模和编码实现(基于MySQL)
- [置顶] 【数据建模 极端值的检测】离群值检测
- [置顶] 【R语言 数据建模】模型验证武器
- [置顶] 【数据建模 分类器性能指标】性能测评
- [置顶] 【数据建模 特征分箱】特征分箱的方法
- [置顶] 【数据建模 缺失值处理】缺失值的处理
- 第107课: Spark Streaming电商广告点击综合案例底层数据层的建模和编码实现(基于MySQL)
- [置顶] 【数据建模 方差分析】单因素方差分析
- [置顶] 【数据建模 神经网络】人工神经网络数据处理
- [置顶] GBK编码数据转码为UTF-8格式
- [置顶] 【数据建模 IV】特征信息度
- [置顶] Retrofit2.0+Okhttp不依赖服务端的数据缓存
- [置顶] WPF数据修改demo
- [置顶] 制作VOC2007 数据 (matlab版) + 抠图工具
- [置顶] 文本分类问题中数据不均衡的解决方法的探索
- 使用jquery以jsonp方式在gbk页面请求utf-8编码的数据
- Enterprise Architect 8之数据建模(创建检查约束)