sas字符变量基于bad_rate分组
最近因为模型拟合的不理想的原因,sas信用评分的内容可能要停更一两周了,因为我还没能进行到模型评分卡这一步就被跨期验证给拍下来了,我做的模型,训练的数据以及测试的数据指标都还不错,跨期验证指标掉的厉害。希望有经验的大神可以在留言区给我点建议,因为你们的建议可以让我少走很多弯路。我现在要重新调整,至于怎么调整的内容,我后面会做一个总结的文章,讲对于指标达不到指标的时候可以有什么方便调整下指标,在这些方法之后还调整不了指标的再回头看变量。
这次分享的代码是字符变量依据bad_rate做的一个分组。之前分享过给予基尼系数,给予iv值的,那么这次就叫基于bad_rate的吧。这次的代码可能会比之前的代码容易理解很多,而这次的代码也是我的partner陈先生写的。不要问我陈先生是谁,这是个秘密。
%macrodatasplit(data,target,group);
proc sql;
create table csm_CASH_MODEL_Train_rank1(
table_name varchar(100)
,col_name varchar(50)
,rank_name numeric
,low numeric
,up numeric
,cnt numeric
,rate numeric
,n1 numeric
,bad_rate numeric
,woe numeric
,iv numeric
,split_type numeric);
quit;
proc sql;
create table csm_CASH_MODEL_Train_rank2(
table_name varchar(100)
,col_name varchar(50)
,rank_name varchar(2000)
,lownumeric ,, ,up numeric
,cnt numeric
,rate numeric
,n1 numeric
,bad_rate numeric
,woe numeric
,iv numeric
,split_type numeric);
quit;
proc sql;/*获得总记录数、总坏客户数、总好客户数*/
select count(*),SUM(&target.),count(*)-SUM(&target.) into :record_cnt,
:bad_cnt,
:good_cnt
from &data.;
quit;
proc contents/*获取输入数据集的所有变量信息*/
data=&data.
out=CASH_SELECT_MODEL_VALID_V10_CONT
noprint;
run;
data CASH_SELECT_MODEL_VALID_V10_CONT;
set CASH_SELECT_MODEL_VALID_V10_CONT;
where name ^='&target.';
run;
data _null_;
set CASH_SELECT_MODEL_VALID_V10_CONT;
call symput(compress("numobs"),compress(_n_));
run;
%doi=1%to&numobs;
%put&NUMOBS.||&i.;
data _null_;
pointer=&i.;
set CASH_SELECT_MODEL_VALID_V10_CONT POINT=POINTER;
call symput('col_name', NAME);
call symput('TYPE', put(TYPE,1.));
stop;
run;
%if&TYPE.=2%then%do;
proc sql;
create table &col_name.as select
&col_name.
,sum(&target.)/count(1) as bad_rate
,sum(&target.) as &target.
,count(1) as num
from &data.
group by &col_name.;
quit;
%put&col_name;
%put&type;
proc sql;
select count(1) into:valuenum from &col_name;
quit;
%if&valuenum.>&group.%then%do;
proc rank data= &col_name out = data_rank ties = mean groups = &group.descending;
var bad_rate;
ranks group_name;
run;
proc sql;
create table &data.as
select *,
b.group_name as new_&col_name.
from &data.a
left join data_rank b
ona.&col_name.=b.&col_name.;
quit;
proc sql;
insert into csm_CASH_MODEL_Train_rank1(table_name ,col_name ,rank_name ,low ,up,cnt,rate,n1,bad_rate,woe,iv,split_type)
select"csm_CASH_MODEL_Train_rank","&col_name",group_name ,min(bad_rate) ,max(bad_rate) ,sum(num)
,sum(num)/&record_cnt
,sum(&target.)
,sum(&target.)/sum(num)
,log((ifn(sum(&target.)=0,0.001,sum(&target.))/&bad_cnt)/((sum(num)-sum(&target.))/&good_cnt))
,(sum(&target.)/&bad_cnt-(sum(num)-sum(&target.))/&good_cnt)*log((ifn(sum(&target.)=0,0.001,sum(&target.))/&bad_cnt)/((sum(num)-sum(&target.))/&good_cnt))
,&group.
from data_rank
group by group_name;
quit;
%end;
%if&valuenum.<=&group.%then%do;
proc sql;
insert into csm_CASH_MODEL_Train_rank2( table_name ,col_name ,rank_name ,low,up,cnt,rate ,n1 ,bad_rate,woe ,iv ,split_type)
select"csm_CASH_MODEL_Train_rank","&col_name",&col_name.,min(bad_rate) ,max(bad_rate) ,sum(num),sum(num)/&record_cnt
,sum(&target.),sum(&target.)/sum(num)
,log((ifn(sum(&target.)=0,0.001,sum(&target.))/&bad_cnt)/((sum(num)-sum(&target.))/&good_cnt))
,(sum(&target.)/&bad_cnt-(sum(num)-sum(&target.))/&good_cnt)*log((ifn(sum(&target.)=0,0.001,sum(&target.))/&bad_cnt)/((sum(num)-sum(&target.))/&good_cnt))
,&valuenum
from &col_name.
group by &col_name.;
quit;
%end;
%end;
%end;
data csm_CASH_MODEL_Train_rank1;
set csm_CASH_MODEL_Train_rank1;
rank_name1=put(rank_name,$8.);
drop rank_name;
rename rank_name1=rank_name;
run;
data csm_CASH_MODEL_Train_rank;
set csm_CASH_MODEL_Train_rank1 csm_CASH_MODEL_Train_rank2;
run;
%mend;
关于这个代码的使用呢,就是下面这样子啦。
Data:填入你的数据集,重点来啦,这个数据集也是等下的产出的数据集,所以你突然觉得,惨了,我拿错数据集,那么你就得重新跑下这个数据集,因为经过这个过程他已经被改变了。
Target:因变量
Group;你要分的组数。
还有说下这个代码,因为是针对字符的分组,就意味着要是有点变量的观测情况就只用3种,那怎么分五组呢,譬如性别啊,你活生生的要是把男女分成5组,这就不道德了哈,所以代码中对于观测情况少于你的分组数的就不分组了。
说下结果哈:
变量指标统计表:
产出的表中就有图中的这些指标,low以及up是bad_rate的区间。Cnt是分组统计的人数,n1是坏客户的数量。后面的split_type是分成几组。宏里面设定的5组,所以显示的是5。
码表:
这张表是码表。名字为每个变量的名字,譬如你这个变量叫loan_cnt,那么你找到一个数据叫loan_cnt就是loan_cnt的码表。这个码表不是你等下一个一个按照主表去leftjoin的哈。这个主表只要是想你之后要生成评分或者做数据集验证的时候可以用的。数据分析师培训
最后就是主表:
为什么刚才说码表不是主表连的呢,因为生成的主表里面已经有新的分组,new_开头的就是新生成的变量。便于后面的区分。
数据分析咨询请扫描二维码
若不方便扫码,搜微信号:CDAshujufenxi
Excel是数据分析的重要工具,强大的内置功能使其成为许多分析师的首选。在日常工作中,启用Excel的数据分析工具库能够显著提升数 ...
2024-12-23在当今信息爆炸的时代,数据分析师如同一位现代社会的侦探,肩负着从海量数据中提炼出有价值信息的重任。在这个过程中,掌握一系 ...
2024-12-23在现代的职场中,制作吸引人的PPT已经成为展示信息的重要手段,而其中数据对比的有效呈现尤为关键。为了让数据在幻灯片上不仅准 ...
2024-12-23在信息泛滥的现代社会,数据分析师已成为企业决策过程中不可或缺的角色。他们的任务是从海量数据中提取有价值的洞察,帮助组织制 ...
2024-12-23在数据驱动时代,数据分析已成为各行各业的必需技能。无论是提升个人能力还是推动职业发展,选择一条适合自己的学习路线至关重要 ...
2024-12-23在准备数据分析师面试时,掌握高频考题及其解答是应对面试的关键。为了帮助大家轻松上岸,以下是10个高频考题及其详细解析,外加 ...
2024-12-20互联网数据分析师是一个热门且综合性的职业,他们通过数据挖掘和分析,为企业的业务决策和运营优化提供强有力的支持。尤其在如今 ...
2024-12-20在现代商业环境中,数据分析师是不可或缺的角色。他们的工作不仅仅是对数据进行深入分析,更是协助企业从复杂的数据信息中提炼出 ...
2024-12-20随着大数据时代的到来,数据驱动的决策方式开始受到越来越多企业的青睐。近年来,数据分析在人力资源管理中正在扮演着至关重要的 ...
2024-12-20在数据分析的世界里,表面上的技术操作只是“入门票”,而真正的高手则需要打破一些“看不见的墙”。这些“隐形天花板”限制了数 ...
2024-12-19在数据分析领域,尽管行业前景广阔、岗位需求旺盛,但实际的工作难度却远超很多人的想象。很多新手初入数据分析岗位时,常常被各 ...
2024-12-19入门数据分析,许多人都会感到“难”,但这“难”究竟难在哪儿?对于新手而言,往往不是技术不行,而是思维方式、业务理解和实践 ...
2024-12-19在如今的行业动荡背景下,数据分析师的职业前景虽然面临一些挑战,但也充满了许多新的机会。随着技术的不断发展和多领域需求的提 ...
2024-12-19在信息爆炸的时代,数据分析师如同探险家,在浩瀚的数据海洋中寻觅有价值的宝藏。这不仅需要技术上的过硬实力,还需要一种艺术家 ...
2024-12-19在当今信息化社会,大数据已成为各行各业不可或缺的宝贵资源。大数据专业应运而生,旨在培养具备扎实理论基础和实践能力,能够应 ...
2024-12-19阿里P8、P9失业都找不到工作?是我们孤陋寡闻还是世界真的已经“癫”成这样了? 案例一:本硕都是 985,所学的专业也是当红专业 ...
2024-12-19CDA持证人Louis CDA持证人基本情况 我大学是在一个二线城市的一所普通二本院校读的,专业是旅游管理,非计算机非统计学。毕业之 ...
2024-12-18最近,知乎上有个很火的话题:“一个人为何会陷入社会底层”? 有人说,这个世界上只有一个分水岭,就是“羊水”;还有人说,一 ...
2024-12-18在这个数据驱动的时代,数据分析师的技能需求快速增长。掌握适当的编程语言不仅能增强分析能力,还能帮助分析师从海量数据中提取 ...
2024-12-17在当今信息爆炸的时代,数据分析已经成为许多行业中不可或缺的一部分。想要在这个领域脱颖而出,除了热情和毅力外,你还需要掌握 ...
2024-12-17