GPT中文小秘书挑几下就能开工
我积分

跑相关性出EDA报告和初筛清单

关于「跑相关性出EDA报告和初筛清单」：能拿到什么、要点选什么、怎么办

相关性、IV、分布图一次出齐。EDA 报告是把特征宽表做分布图、相关性矩阵和 IV 表；在 GPT中文网点选几项，能直接拿到报告和特征初筛清单。

能拿到什么

  • 推荐：EDA 报告（PDF）+ 特征初筛清单（XLSX）（PDF 含分布图、相关性热力图、IV 排序表；XLSX 按建议保留/剔除列清单）

要你点选的几项

上传特征表、目标列与好坏标签、建模任务、相关性算法、IV分箱数、高相关阈值、缺失率剔除线、IV初筛下限、业务必留特征、报告包含。多数点一下就行，没选的按常见情况替你定，交付时说清哪几项是按默认的。

怎么办

  1. 上传特征表，点明目标列和好坏标签取值
  2. 选相关性算法、分箱数和各项阈值
  3. 勾选报告要含的图表和初筛清单
  4. 拿报告后人工核高相关是否冗余、误删是否合规

别人还这样说

  • 帮我把这张特征宽表跑一遍相关性，出个 EDA 报告
  • 画个相关性矩阵和分布图，再给我一份特征初筛清单
直接说你要办的事。下面是别人怎么办的，点任何一项就换成你自己的。左边是别人怎么办的，右边是你的，点一项就开始改。
示范 · 别人这样说

「算一下每个特征的 IV 和缺失率，顺便初筛」

按示范选好的 点一项就变成你的

你的成品会在这里出现
示例成品 · 不是你的按示范写的，看个样子
示例： 特征表：某某风控样本，12,000 行，86 个特征，目标列 bad_flag（1=坏）。 一、单特征概况（节选） 特征名 | 缺失率 | IV值 | 建议 age | 0.8% | 0.21 | 保留 income_3m | 3.2% | 0.34 | 保留 loan_cnt_12m | 0.0% | 0.08 | 观察 id_no_hash | 0.0% | 0.02 | 剔除（无区分度） phone_region | 41.5% | 0.15 | 剔除（缺失率超线） 二、相关性矩阵（皮尔逊，节选） 特征对 | 相关系数 | 处理建议 income_3m × salary_avg | 0.86 | 高相关，留 IV 高的 income_3m debt_ratio × loan_amt | 0.79 | 高相关，留 debt_ratio age × work_years | 0.71 | 高相关，留 age 三、初筛清单统计 保留 54 个；因缺失率剔除 12 个；因 IV 低于 0.02 剔除 9 个；因高相关剔除 11 个（每组留 IV 较高者）。 四、待人工确认 loan_cnt_12m 业务口径重要，IV 偏低，是否保留由业务定； 两个高相关组涉及审批必查字段，请复核是否冗余。 （以上数值为示意，实际由程序按上传数据计算。）

GPT中文 也可能出错，成品请自己核对关键数字和事实。条款 · 隐私