2019-12-18学习日记

WOE

• weight of evidence 证据权重
  WOE是对原始自变量的一种编码形式
  
  pyi是这个组中响应客户（风险模型中，对应的是违约客户，总之，指的是模型中预测变量取值为“是”或者说1的个体）占所有样本中所有响应客户的比例，pni是这个组中未响应客户占样本中所有未响应客户的比例，#yi是这个组中响应客户的数量，#ni是这个组中未响应客户的数量，#yT是样本中所有响应客户的数量，#nT是样本中所有未响应客户的数量。
  即：当前分组中响应客户占所有响应客户的比例”和“当前分组中没有响应的客户占所有没有响应的客户的比例
  WOE越大，这种差异越大，这个分组里的样本响应的可能性就越大，WOE越小，差异越小，这个分组里的样本响应的可能性就越小。

参考https://blog.csdn.net/shenxiaoming77/article/details/78771698

IV

• Information Value 信息量
  我们需要一些具体的量化指标来衡量每自变量的预测能力，并根据这些量化指标的大小，来确定哪些变量进入模型。
  IV就是这样一种指标，他可以用来衡量自变量的预测能力。
  类似的指标还有基尼系数和信息增益
  
  IV衡量变量的预测能力。
  预测能力强：IV>= 0.3
  预测能力中 : 0.1<= IV<0.3
  预测能力弱 : 0.02<=IV<0.1
  无预测能力 : IV< 0.02

• vi是比woe更好的指标

chi-square

• 卡方检验