《表2 收入变量数据处理：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

收入数据按照2017年个人所得税征税级距为梯度划分。收入数据虽然不存在“U型”数据难点，但是工资的额度增加不一定与信用评分呈线性关系，因此需要对工资进行再编码，使工资变换能够被分类器学习，并将收入映射到梯度区间。但是，由于其数值较大，可能会带来因数据单位不一致带来的参数变化，使得模型泛化能力较低，因此对其取以2为底的对数。一方面可以反映数据的变化趋势，另一方面可压缩数值，避免因为数据变化造成模型的效果差。与年龄不同的是，工资的每个阶段都有实质作用，因此需要记录每个阶段的数值，处理后部分结果如表2所示。