如何根据 R 中“信息”包中证据箱的重量对数据进行分箱答案

【问题标题】：How do I bin data based on weight of evidence bins from the "Information" package in R如何根据 R 中“信息”包中证据箱的重量对数据进行分箱
【发布时间】：2016-12-06 16:04:50
【问题描述】：

R中的以下代码行

library("Information")

set.seed(100)

Y <- sample(c(0,1), replace=TRUE, size=50)
X <- dnorm(rnorm(50))

data <- as.data.frame(cbind(X,Y))

create_infotables(data, y = "Y", bins = 5)

生成输出：

$Tables
$Tables$X
            X  N Percent        WOE         IV
1 [0.01,0.09]  9    0.18 -0.3834862 0.02655379
2  [0.1,0.23] 10    0.20  0.2451225 0.03839546
3 [0.25,0.36] 10    0.20 -0.5658078 0.10217411
4 [0.36,0.39] 10    0.20  0.2451225 0.11401578
5  [0.39,0.4] 11    0.22  0.3992731 0.14809223


$Summary
  Variable        IV
1        X 0.1480922

attr(,"class")
[1] "Information"

现在我要实现的是将数据框的X列转换为包含数据点对应的bin的WOE值的列。因此，数据框中的 X 值在 [0.01,0.09] 区间内的观察值应全部替换为值 -0.3834862，依此类推。

我该怎么做？

与cut() 我离得更近了一点：

> cut(X, c(0,01.09,0.23,0.36,0.39,0.4),
      labels = c(-0.3834862,0.2451225,-0.5658078,0.2451225,0.3992731))

 [1] -0.5658078 0.2451225  -0.5658078 -0.3834862 -0.5658078 0.2451225  -0.3834862 0.2451225  0.2451225  0.2451225 
[11] -0.5658078 0.2451225  -0.5658078 -0.3834862 0.2451225  0.2451225  -0.3834862 -0.3834862 0.2451225  0.2451225 
[21] -0.3834862 -0.5658078 -0.3834862 0.2451225  -0.3834862 -0.5658078 -0.3834862 0.2451225  -0.3834862 -0.3834862
[31] 0.2451225  -0.3834862 -0.3834862 -0.3834862 0.2451225  -0.5658078 0.2451225  -0.5658078 -0.3834862 0.2451225 
[41] 0.2451225  0.2451225  0.2451225  0.2451225  0.2451225  -0.5658078 -0.3834862 -0.3834862 -0.3834862 -0.3834862
Levels: -0.3834862 0.2451225 -0.5658078 0.2451225 0.3992731
Warning message:
In `levels<-`(`*tmp*`, value = if (nl == nL) as.character(labels) else paste0(labels,  :
  duplicated levels in factors are deprecated

但是结果中的值是因子标签。 as.numeric() 没有帮助，因为它返回标签编号。 cut() 的另一个问题是我不知道如何从 $Tables$X$X 中提取切割点并将它们传递给切割函数。

【问题讨论】：

函数cut可以将X转换成一个名义变量，你可以用它来分配你想要的值。
我使用 cut 离得更近了一点：
听起来您想存储和使用从create_infotables() 创建的中断，然后在cut() 中使用它们。如果您想要整数级别的向量而不是标签，请使用cut(..., labels=F)。

标签： r binning

【解决方案1】：

但是结果中的值是因子标签。 as.numeric() 没有帮助，因为它返回标签编号。

你期待什么？通常，cut() 会为您提供一个因子输出，其（字符串）标签包含中断。

如果您只想获取级别代码的整数向量，而不是（字符串）标签，请执行cut(, ...labels=FALSE)

但显然你也不想要（那你想要什么？）。

cut() 的另一个问题是我不知道如何从 $Tables$X$X 中提取切割点并将它们传递给切割函数。

你想从create_infotables()获取中断向量：

存储输出：mytbl <- create_infotables(data, y = "Y", bins = 5)
然后找出mytbl 的哪个属性可以访问以获得您的自定义休息时间。查看ls(mytbl) 或attributes(mytbl)。说它是mytbl$mybreaks（我不知道那个包，但你明白了）。
然后使用您的自定义休息时间cut(mytbl, breaks=mytbl$mybreaks)

【讨论】：