R语言实现变量分箱及应用

本文是决策树分箱在R语言中的实现，代码如下，其中df是待分箱的数据集，key_var是主键，y_var是y变量，max_depth是决策树的最大深度，p是决策树叶节点最小占比。

输出对象存放在列表all中，all中包含2个元素，lst_bin是变量分箱结果的列表，df_bin是分好箱的数据集。下面查看lst_bin中某变量分箱结果和df_bin。

某变量分箱结果

分箱后的数据集df_bin

下面函数将训练样本上分箱方式“套进” 测试样本里。其中df是测试样本数据集， key_var是主键， y_var是y值， lst_bin是训练样本上变量分箱结果的列表。该函数也输出一个列表，含有2个元素，其中lst_bin_test是测试样本上变量分箱结果的列表，df_bin是测试样本分箱结果数据集。

上面的两个函数实现了变量分箱的自动化，现在想看看训练样本和测试样本里某个变量的趋势是否一致，编写函数plot_train_test_bin来实现该功能。其中TrainVar_bin是训练样本中某变量的分箱结果及风险趋势, TestVar_bin是测试样本中某变量的分箱结果及风险趋势。

运行后的结果如下，左侧为该变量在训练样本上的趋势，右侧为测试样本上的趋势，从图中可以看出该变量的趋势在3和4两处发生了波动，具体实践时需要具体分析原因，或者看能否将3、4和5进行合并处理等等。

或者，在对上面这个变量分箱时增加叶子结点最小占比，看看分箱结果如何。从下图可以看出，调整后的变量趋势更加稳定了。