评分卡项目
woe = ln(distr.good/distr.bad)
iv=sum(distr.good_i-distr.bad_i)*ln(distr.good_i/distr.bad_i)
有系数和常数的几个模型:
ols lasso ridgo linor 线性
逻辑回归 分类 woe 计算
步骤分解: 最后需要 将woe 正值化
1计算特征woe,
2计算iv (>一定值的有用特征)
3把所有特征原始值替换为woe
4把所有特征带入lr模型,求解特征系数,
5把特征系数*对应的woe ,计算出各特征下各值的分数
6保存分数字典(记录评分的字典,文本,列表,pkl,excel)
举例:贷款时未提供芝麻信用分,可以用这个生成一个评分
iv=sum(distr.good_i-distr.bad_i)*ln(distr.good_i/distr.bad_i)
总iv经验解释:
iv<0.02 不具有预测能力
0.02<=iv<0.1 预测能力弱
0.1<=iv<0.3 预测能力中等
iv >= 0.3 预测能力强
y为分类 特征选择方法:gini 信息熵,iv,列联,方差
iv 可以用在ols 之后 ,ols 以后可以用lasso(需要亚元化)