《表1 年龄变量数据处理：基于机器学习的个人信用模型实证分析》

  提示：宽带有限、当前游客访问压缩模式

本系列图表出处文件名：随高清版一同展现

《基于机器学习的个人信用模型实证分析》

1. 获取 高清版本忘记账户？点击这里登录

1. 下载图表忘记账户？点击这里登录

年龄变量是一个连续型变量，其数值对客户信用可能呈“U型”分布，即在年龄数值较小时或较大时对客户可信度具有负作用，中间数值呈正作用[9]。因此直接使用数据作为判断依据，可能对线性模型的评估带来障碍，需要对数据进行重新编码。针对年龄变量，以5岁为一个阶段划分区间，将年龄数据分为:(0，15]、(15，20]、(20，25]、(25，30]、(30，35]、(35，40]、(40，45]、(45，50]、(50，55]、(55，60]、(60，65]、(65，70]，共12个区间。通过重新编码，将年龄1维数据转换成12维数据，让模型避免“U型”难点。经过重新编码后部分结果如表1所示。