风控建模----连续型变量最优分箱代码(原创)

最新推荐文章于 2025-06-18 13:45:45 发布

原创

最新推荐文章于 2025-06-18 13:45:45 发布 · 4.6k 阅读

30 ·

CC 4.0 BY-SA版权

本文分享了一篇关于风控建模中如何对连续型变量进行最优分箱的代码分析和总结，旨在为相关从业者提供参考。

摘要生成于 C知道，由 DeepSeek-R1 满血版支持，前往体验 >

最近在整理有关风控建模的相关的代码，昨天在知乎上看见某大神写的一个连续型变量分箱代码，这里我进行分析以及汇总，其整理如下,将其整理出来分享给大家，仅供参考：

import pandas as pd
import numpy as np
from sklearn.tree import DecisionTreeClassifier

def _optimal_binning_boundary(x: pd.Series, y: pd.Series, nan: float = -999.) -> list:
    '''
        利用决策树获得最优分箱的边界值列表
    '''
    boundary = []  # 待return的分箱边界值列表
    
    x = x.fillna(nan).values  # 填充缺失值
    y = y.values
    
    clf = DecisionTreeClassifier(criterion='gini',    #“基尼系数”最小化准则划分
                                 max_leaf_nodes=6,       # 最大叶子节点数
                                 min_samples_leaf=0.05)  # 叶子节点样本数量最小占比

    clf.fit(x.reshape(-1, 1), y)  # 训练决策树
    
    n_nodes = clf.tree_.node_count
    children_left = clf.tree_.children_left
    children_right = clf.tree_.children_right
    threshold = clf.tree_.threshold
    
    for i in range(n_nodes):
        if children_left[i] != children_right[i]:  # 获得决策树节点上的划分边界值
            boundary.appe