本文分析了4754条数据的基本情况，包括正负样本分布、特征类型统计及处理策略，如onehot编码、时间差值特征创建等，并讨论了变量iv值分析的方法。
基本数据分析：
整体数据量级：4754
1.标签列status分布：
正负样本个数：
0 3561
1 1193
2.各列特征分析
变量类型统计：
字符型特征为：
trade_no
bank_card_no
reg_preference_for_trad
source
id_name
latest_query_time
loans_latest_time
（1）根据特征含义剔除：trade_no，bank_card_no，id_name
（2）查看reg_preference_for_trad共5个唯一值，做onehot处理
（3）source只有一个唯一值，删除
（4）latest_query_time，loans_latest_time考虑做时间差值特征
缺失值统计：
其它字段缺失量级可接受，student_feature缺失量为2998，统计唯一值只有两个nan 和1，做删除处理
3.变量iv值分析
具体code如下：
扫一扫
4738
被折叠的 条评论
为什么被折叠?
到【灌水乐园】发言
