类别编码器中的证据权重实际上是如何计算的？

Question

我正在尝试手动计算 WoE，但无法获得与 category_encoders WOEEncoder 计算相同的结果。这是我要计算分数的数据框：

df = pd.DataFrame({'cat': ['a', 'b', 'a', 'b', 'a', 'a', 'b', 'c', 'c'], 'target': [1, 0, 0, 1, 0, 0, 1, 1, 0]})

这是我用来计算 WoE 分数的代码

woe = WOEEncoder(cols=['cat'], random_state=42)
X = df['cat']
y = df.target
encoded_df = woe.fit_transform(X, y)

相同的结果是：

0   -0.538997
1   0.559616
2   -0.538997
3   0.559616
4   -0.538997
5   -0.538997
6   0.559616
7   0.154151
8   0.154151

所以， 'a' 编码为 -0.538997 'b' 编码为 0.559616 'c' 编码为 0.154151

当我手算分数时，它们是不同的，我取

ln(% of non events / % of events).

比如说，为了计算a的WoE，

% of non events = targets which are 0 for 'a'/ total targets for group 'a'

因此，非事件的百分比 = 3/4 = 0.75

% of events = targets which are 1 for 'a' / total targets for group 'a'

So, % of events = 1/4 = 0.25

Now, 0.75/0.25 = 3

因此，WoE(a) = ln(3) = 1.09 与上述编码器不同

Answer 1

由于是开源项目，可以查看功能代码：

http://contrib.scikit-learn.org/category_encoders/_modules/category_encoders/woe.html#WOEEncoder

要获得与 WOEEncoder 类似的结果，您的代码中存在两个主要问题：

1. WOEEncoder 有一个参数'regularization'，默认值为 1。您应该创建一个正则化为 0 的 WOEEncoder 对象以获得相同的结果

2. 第二个问题是你对woe公式的理解有误。 对于 'a':

   的情况，正确的（在 WOEEEncoder 中实现）是

   % 的非事件 = 'a' 的目标为 0 / 目标总数为 0

   % 的事件 = 'a' 的目标为 1 / 目标总数为 1

   欠 = ln（事件的百分比/非事件的百分比）

这对于 'a' 的情况产生：

% of non events = 3/5
% of events = 1/4

ln(% of events / % of non events ) = ln(5/12) = -0.8754687373538999

如果执行修改后的代码：

woe = WOEEncoder(cols=['cat'], random_state=42, regularization=0)
X = df['cat']
y = df.target
encoded_df = woe.fit_transform(X, y)

您将看到类似的结果：

0   -0.875469
1   0.916291
2   -0.875469
3   0.916291
4   -0.875469
5   -0.875469
6   0.916291
7   0.223144
8   0.223144