一、自动分箱-粗分箱方法介绍

约定初始化分箱的个数为10。
定义：,代表箱子。
woe的含义是什么呢？我们可以想一下，假如不对变量进行分箱，即只有一箱，那么该箱的woe值是多少呢？答案是。因为，

现在我们可以尝试理解一下若woe大于0或者woe小于0代表了什么？从上面的推导我们可以得知当箱子内的坏好比和整体坏好比（可以理解为“大盘”）相等时，woe为0。那么woe大于0，就可以理解为箱子内的坏好比是高于“大盘”的，箱子内的客户质量较差；woe小于0，是箱子内的坏好比低于“大盘”，箱子内的客户质量较好。

1.1 iv

• 算法
  -1.初始化10箱，计算每一箱的iv值
  -2.对箱子进行两两合并，合并的原则是只能合并相邻的两箱，设合并前两箱的iv值分别是,，合并后为，计算的值
  -3.合并最小的两个箱子，跳转2，直到分箱个数=目标箱数

• 原理
  iv值越大，说明该变量越能区分好坏样本，因此在箱子合并时，应本着iv值损失最小的原则。

1.2 mapa

MAPA 单调相邻池化，也称为最大似然单调粗分类，该方法可以使得分箱得到的woe与bin呈现单调上升或单调下降的关系。

• 算法
  -1.初始化10箱，计算每一箱的iv值
  -2.第一次循环，从最小的bin开始计算，，得到序列；第二次循环及以后，从断点的下一个bin开始计算，：
  woe与bin的关系单调下降：
  
  woe与bin的关系单调上升：
  
  -3.得到分割断点，跳转2，直到
  
  -4.假设得到三个断点，则最后的分箱结果为：
  
• 原理
  因为断点得到最大的，则
  
  其中。bin小的woe值bin大的woe值，即woe与bin之间的关系是单调下降的。同理可对单调上升的公式进行验证。

1.3 树分箱

• 算法
  -1.使用单个自变量与因变量训练决策树模型，得到bin

• 原理
  使用决策树模型，单棵树在学习的时候更倾向于区分好坏样本进行节点的分裂(即分箱)，同iv的原理相似。

二、分箱实操

分箱是一个很细的工作，需要丰富的风控经验，在经验不足的情况下，可以参考下面的一些注意事项和原则。

• 数据穿越检测：
  分完箱子，可以先检查下有没有iv值特别大的变量，若存在，需要判断是否有数据穿越问题(即用未来的数据预测现在)。可以注意下近24个月违约次数等违约类特征，当发生数据穿越时，该类特征的iv值会偏高。

• 进行分箱的变量筛选原则
  金额类的不建议使用，意义不明的不用，难以解释的不用，分布奇怪的不用。最后得出来的变量最好拥有不同的维度：申请类的、违约类的、人口统计特性等。

• 分箱原则
  1.违约类的变量分bin从0开始；
  2.若邻近箱的woe值较为接近的话，就可以合并。