BookmarkSubscribeRSS Feed
🔒 This topic is solved and locked. Need further help from the community? Please sign in and ask a new question.
nicopalacios
Calcite | Level 5

Hello everyone!

I need to do in the Miner a correlation analysis between variables. how I can do this?

Regards

1 ACCEPTED SOLUTION

Accepted Solutions
M_Maldonado
Barite | Level 11

Hola Nico,

Español está bien, pero no juzgues mi ortografía, de acuerdo?

En este tip (How to build a credit scorecard) comentaba que la forma ideal de reintroducir variables importantes en tu Scorecard es ajustar manualmente el Weight of Evidence.

Nota que antes de ajustarla manualmente el IV era de menos de 0.1 y quedaba excluída del Scorecard. Después de ajustar el WoE basado en conocimiento del negocio, hasta que quedó con IV mayor de 0.1. Otra alternativa es mover el Information Value cutoff en el Interactive Grouping node (lo encuentras en las propiedades de Score casi hasta abajo).

ign_manual woe.png

No obstante, si aún quieres ver la matriz de correlación, ve este paper (página 7-9). Tienen un muy buen ejemplo que hace justo eso.

Saludos!

-Miguel

---

summary in English

There is a best practice to reintroduce a variable that does not meet the cutoff for information value or gini. Override the WoE as described in this tip: How to build a credit scorecard.

If you still want to produce a correlation matrix, this paper describes how to do it with a SAS Code Node. Look at pages 7-9.

View solution in original post

4 REPLIES 4
M_Maldonado
Barite | Level 11

Hey Nico,

There might be different ways to do it. Here is one: https://communities.sas.com/message/243330#243330

Good luck!

-Miguel

nicopalacios
Calcite | Level 5

Hello Miguel! thanks for your answer..

I have not been able to resolve. There is a node or output table that shows me directly the correlation between the variables?

Te escribo esto en español ya que veo que sos latino igual que yo. El problema que estoy teniendo es que estoy construyendo un modelo de credit scoring, pero SAS no me toma como variables significativas unas X que para nosotros son FUNDAMENTALES, entonces lo que queremos es ver la correlación entre las variables, para así poder excluir las variables que tengan una correlación muy alta con las X que consideramos fundamentales, por mas que la significación global disminuya un poco.

M_Maldonado
Barite | Level 11

Hola Nico,

Español está bien, pero no juzgues mi ortografía, de acuerdo?

En este tip (How to build a credit scorecard) comentaba que la forma ideal de reintroducir variables importantes en tu Scorecard es ajustar manualmente el Weight of Evidence.

Nota que antes de ajustarla manualmente el IV era de menos de 0.1 y quedaba excluída del Scorecard. Después de ajustar el WoE basado en conocimiento del negocio, hasta que quedó con IV mayor de 0.1. Otra alternativa es mover el Information Value cutoff en el Interactive Grouping node (lo encuentras en las propiedades de Score casi hasta abajo).

ign_manual woe.png

No obstante, si aún quieres ver la matriz de correlación, ve este paper (página 7-9). Tienen un muy buen ejemplo que hace justo eso.

Saludos!

-Miguel

---

summary in English

There is a best practice to reintroduce a variable that does not meet the cutoff for information value or gini. Override the WoE as described in this tip: How to build a credit scorecard.

If you still want to produce a correlation matrix, this paper describes how to do it with a SAS Code Node. Look at pages 7-9.

nicopalacios
Calcite | Level 5

Miguel, tus respuestas siempre son excelentes! Te agradezco

p,d: tu español es muy bueno, no te preocupes.

Saludos y gracias

sas-innovate-2024.png

Available on demand!

Missed SAS Innovate Las Vegas? Watch all the action for free! View the keynotes, general sessions and 22 breakouts on demand.

 

Register now!

How to choose a machine learning algorithm

Use this tutorial as a handy guide to weigh the pros and cons of these commonly used machine learning algorithms.

Find more tutorials on the SAS Users YouTube channel.

Discussion stats
  • 4 replies
  • 2339 views
  • 4 likes
  • 2 in conversation