Hola, muy buena explicación. ¿ qué pasaría si las cajas rojas tuvieran % Dist Bad = 0% ? En el calculo del WOE sería divido cero por lo que terminaría dando error o infinito. Y tambien trasladaria este valor al IV
Depende de la implementación que se haga. Hay dos vertientes, una sumar al numero de unos o de ceros 0.5 en el calculo del %dist good y %dist bad, que generará un valor muy alto en el IV, y otra reemplanzar los +- infinitos por un cero, que en cuyo caso no aportara al IV. En cualquier caso cuando veamos que un tramo aporta mucho o cero es que hay algo raro, o bien que en la tramificación hay poca población, o si no deberíamos mirar porque en ese tramo no hay 1 o 0, pues es extraño
@@hablandoendata8237 pues muchísimas gracias por tu respuesta. En el caso que analizaba era que eran pocos registros y estos no tenían Bads. Seguramente los agrupe a otros registros. Gracias y me encantaría ver más videos con casos prácticos de data science!
Hola, gracias por la información, el IV puede ser negativo?
muy chulo Ivan, está explicado muy clarito
Gracias Francisco. Difundiendo conceptos de datos. Recuerdos a los datafreaks
Hola, muy buena explicación. ¿ qué pasaría si las cajas rojas tuvieran % Dist Bad = 0% ? En el calculo del WOE sería divido cero por lo que terminaría dando error o infinito. Y tambien trasladaria este valor al IV
Depende de la implementación que se haga. Hay dos vertientes, una sumar al numero de unos o de ceros 0.5 en el calculo del %dist good y %dist bad, que generará un valor muy alto en el IV, y otra reemplanzar los +- infinitos por un cero, que en cuyo caso no aportara al IV. En cualquier caso cuando veamos que un tramo aporta mucho o cero es que hay algo raro, o bien que en la tramificación hay poca población, o si no deberíamos mirar porque en ese tramo no hay 1 o 0, pues es extraño
@@hablandoendata8237 pues muchísimas gracias por tu respuesta. En el caso que analizaba era que eran pocos registros y estos no tenían Bads. Seguramente los agrupe a otros registros. Gracias y me encantaría ver más videos con casos prácticos de data science!