我正在尝试做一些数据分析,我的想法是使用 autobinning
命令创建最佳分箱,计算每个分箱的 WOE(证据权重)值,然后替换原始值属于具有各自 WOE 值的每个 bin。下面是我所做的:
CreSC = creditscorecard(Data_Table ,'IDVar','CustID','GoodLabel',0);
scAB = autobinning(CreSC,'Algorithm','Monotone');
DataTransformed = bindata(scAB,t_Data,'OutputType','WOE');
问题是上述过程没有考虑 DATA 中的 NaN
值并自动排除它们。
我的目标是仅为 NaN
值创建一个单独的 bin,并强制 autobinning
命令考虑 NaN
值。
有没有人有合理的解决方案?
最佳答案
查找所有 NaN 值。
选择一个不存在于您的数据中的值。
用该值替换所有 NaN 值。
运行分箱,最后将这个值自己映射到 NaN。
关于matlab - 为 NaN 值创建 Bin,我们在Stack Overflow上找到一个类似的问题: https://stackoverflow.com/questions/43785159/