predictorinfo.

信用记分卡预测因素属性摘要

在页面上崩溃

句法

[t，stats] = predictorinfo（sc，predictorname）

描述

例子

[T.那统计) = predictorinfo (SC.那predictorname.的）返回信用记分卡预测器属性和一些基本预测统计信息的摘要。

例子

全部收缩

获取指定的信息`predictorname.`

打开生活的脚本

创建一个CreditsCorecard.对象使用CreditCardData.mat文件加载数据(使用来自Refaat 2011的数据集)。

加载CreditCardDatasc = creditscorecard（数据，'idvar'那'Custid'的）

sc = creditscorecard具有属性：goodlabel：0 responsevar：'status'fightsvar：''varnames：{1x11 cell} numericpredictors：{1x6 cell}分类预测器：{'resstatus''empstatus'''odercc'} binmissingdata：0 idvar：'custid'predictorvars：{1x9小区}数据：[1200x11表]

获得预测的统计数据predictorname.的CustAge。

(T,统计)= predictorinfo (sc,“守护”的）

t =1×4表预测residbinning locousfillingtype lovelfillmissingvalue _____________________________________________________________0x0 double'}

统计=4×1表值______ Min 21 Max 74 Mean 45.174 Std 9.8302

获得预测的统计数据predictorname.的ResStatus。

(T,统计)= predictorinfo (sc,'resstatus'的）

t =1×5表PredictorType序LatestBinning LatestFillMissingType LatestFillMissingValue _______________ _______ _________________ _____________________ ______________________ ResStatus { '范畴'} {假 '原始数据'} { '原始'} {为0x0双}

统计=3×1表_____房主542租户474其他184

获取指定的信息`predictorname.`使用后`填充`

打开生活的脚本

创建一个CreditsCorecard.对象使用CreditCardData.mat文件加载数据(使用来自Refaat 2011的数据集)。

加载CreditCardDatasc = creditscorecard（Datamissing，'binmissingdata'，真的，'idvar'那'Custid'）;sc = autobinning（sc）;

使用填充来替换缺失的值CustAge具有价值的预测器38.。

sc = fillmissing (sc,“守护”那'持续的'，38）;

获得预测的统计数据predictorname.的CustAge。

(T,统计)= predictorinfo (sc,“守护”的）

t =1×4表预测presidbinning lovelfillingtype lovelfillmissingvalue ___________________________________________监护{numeric'} {'常量'} {[38]}

统计=4×1表值______ Min 21 Max 74 Mean 44.932 Std 9.7436

使用填充来替换缺失的值ResStatus与A的预测器模式价值。

sc = fillmissing (sc,'resstatus'那“模式”）;

获得预测的统计数据predictorname.的ResStatus。

(T,统计)= predictorinfo (sc,'resstatus'的）

t =1×5表预测序号序列纯粹填充物品最新填充型值___________________________________________________________________________________________________________________________________________________ resstatus {'patporical'} false {'自动/ monotone'} {'mode'} {'mode'}

统计=3×1表数_____租户457家主人563其他180

输入参数

全部收缩

`SC.`-信用记分卡模型
`CreditsCorecard.`目的

信用记分卡模型，指定为CreditsCorecard.对象。使用CreditsCorecard.创建一个CreditsCorecard.对象。

`predictorname.`-预测者名称
字符向量

预测器名称，使用包含感兴趣的信用记分卡预测器名称的字符向量指定。predictorname.是区分大小写的。

数据类型：字符

输出参数

全部收缩

`T.`- 指定预测器的摘要信息
表格

指定预测器的摘要信息，返回为带有以下列的表:

“PredictorType”-'数字'或“分类”。
'序号'-对于直言型预测器，表示其是否为序号的布尔值。
'linalbinning'- 表示输入参数最后应用算法的字符矢量predictorname.。值为：
- '原始数据'- 当没有合并的预测器时，没有搭档。
- “自动/ BinningName”- 在哪里'binningname'是下列情况之一:单调那平等的宽度，或者平等频率。
- '手动的'- 在每次召唤之后ModifierBins.，在哪里'切口'那'catgrouping'那'minvalue'，或者'maxvalue'被修改。
“LatestFillMissingType”- 如果填充已应用于预测因素，价值统计数据争论填充会显示出来。如果预测器没有任何丢失的数据，则填充类型为'原来的'。
“LatestFillMissingValue”- 如果填充已应用于预测器，填充值显示。如果预测器没有任何丢失的数据，则填充值为[]。

预测器的名称用作返回的表中的行名称。

`统计`- 输入统计统计`predictorname.`
表格

输入统计数据predictorname.，作为桌子返回。相应的值存储在'价值'柱子。

表的行名称表示数字预测器的相关统计信息：

'min'- 样本中的最小值。
'最大限度'—样品中最大值。
“的意思是”- 样本中的平均值。
“性病”- 样品的标准偏差。

笔记

对于'double'或'single'以外的数据类型，标准偏差可能会失去数值精度。在计算标准偏差之前，'double'或'single'以外的数据类型被转换为'double'。