sas信用評分之不用檢查異常值的最優分組

今天的更新比以往晚了一天，假期綜合癥第一天，我到現在已經喝了第三杯咖啡，實現上周的預告，這種更新一個不用檢查異常值的數值變量最優分組。其實這代碼我本來不想拿出來，我覺得這代碼估計能賣點錢，但是介于我是一個不敢賺你們錢的博主，所以還是拿出來吧。本篇文章最后有驚喜。

首先我們先說下，這的代碼的思路，為什么不用檢查異常值呢。其實是這樣子的，我把等量分組和最優分組結合起來了，即保證了最小組的數量也保證了不要因為某些異常值導致分組的過擬合。也少去人工的手動分組。

譬如，有一個年齡的分組，那么我會先用等量分組先分成20組，這時候注意了，就是前后會有極小極大值，就算是異常值，這時候因為你分成了20組，所以極小值以及極大值就被包含在第一組以及最后一組中，以1和20代替了。我相信我這么說你應該可以理解。

至于這等量分組的代碼用的是proc rank過程去分的，具體可以參考：proc rank過程

等量分組的代碼在這篇文章中：sas信用評分之手動對數值變量分組

然后將產出的結果映射到原數據中再丟進去最優分組，最優分組的代碼在這篇文章中：sas信用評分之第二步變量篩選。再丟進去最優分組的代碼的時候，需要將等量分組映射到原數據集中，映射代碼如下：

/*這個宏是在%data_split后面的執行的，所以這里需要的數據集有%data_split中產生的以"_iv"為后綴的，"_RANK"的數據集*/

data：填入原數據集

id:填入主鍵

ddvar:因變量

%macro map(data,id,ddvar);

proc sql noprint;

select col_name into: varlist separated by ' ' from &data._IV;

%let nVar=&SQLOBS;

quit;/*從細分后的字典表中得到待填充的變量*/

%put &varlist.;

data  &data._woe;

set &data.(keep=&id. &ddvar.);

run;/*首先獲取相應的識別標識及Y值*/

data &data._1(drop=i);

set &data.;

array arr1{*} _NUMERIC_;

do i = 1 to dim(arr1);

if missing(arr1(i)) then do;

arr1(i)=-999;

end;

end;

run;

%do i=1 %to &nVar;

%let var = %scan(&varlist, &i);

data V ;

set &data._1(keep=&id. &var.);

run;/*找出待填充變量的取值，將空值填充為1000000000*/

data rank;

set &data._RANK;

where col_name="&var.";

run;/*找出待填充變量的配置表相關信息*/

proc sql noprint;

create table WOE AS 

select I.&id., B.clus as &var.

from V AS I

left join rank AS B 

ON I.&var. > b.low AND I.&var. <= B.up

;

quit;/*通過上、下界進行填充*/

proc sort data=WOE;

by &id.;

run;

proc sort data=&data._woe;

by &id.;

run;

data &data._woe;

merge &data._woe woe;

by &id.;

run;/*合并所有的變量woe*/

%end;

%mend;

我希望你們真心想用這部分代碼分組的，你們要自己看懂代碼，學習這種東西不是問出來，都是要自己動手琢磨的。我自認為我不是一個聰明的人，但我是喜歡的東西，我會很樂于去探索，所以你也可以。