2017.08.14回顾 IV的系数

最新推荐文章于 2022-08-10 23:06:14 发布
最新推荐文章于 2022-08-10 23:06:14 发布
阅读量714 收藏
点赞数
分类专栏： 日记 信用评分
版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。
本文链接：https://blog.csdn.net/strwolf/article/details/77170074
版权

1、校验了建模数据存在的问题

2、阅览了FICO的产品介绍，里面可以窥见一些方法

3、SQL拉出新数据集，数据洞察

4、思考系统的变量随时间随不同因变量定义的稳定性校验方法，思考了PSI，以及拒绝推断等等相关问题

5、在IV的计算过程中前面乘以一个系数(Gi/GT-Bi/BT)，固定该组好坏比，后面的WOE就不变，所以在好坏比固定的情况下，该组样本数越多，系数就越大，因为(Gi/GT-Bi/BT)可以把系数提出去，所以样本少的分组IV分量就不会大，即使WOE较大



strwolf
关注
  • 0
    点赞
  • 踩
  • 0
    收藏
    觉得还不错? 一键收藏
  • 0
    评论
专栏目录
【深度学习】综述 efficient vision transformers ，algorithms, techniques, and performance benchmarking
q742971636的博客
07-04 379
https://ar5iv.labs.arxiv.org/html/2309.02031Vision Transformer (ViT) 架构在计算机视觉应用中越来越受欢迎和广泛应用。其主要特点是通过自注意力机制提取全局信息，性能优于早期的卷积神经网络。然而，ViT的部署和性能随着其规模、可训练参数数量和操作数量的增加而稳步增长。此外，自注意力的计算和内存成本随着图像分辨率的增加呈二次方增长。一般而言，由于许多硬件和环境限制（如处理和计算能力），在现实世界应用中使用这些架构是具有挑战性的。因此，本综述调查了
2017.03.17回顾 IV系数理解
strwolf的专栏
03-20 574
1、上周五上午吃了药，实在是困，上午半睡半醒间还去面试了一个人 2、下午巩固了一下iv和woe，我居然记不住怎么通过woe计算iv，记不住前面乘以一个什么系数了，我重新审视了一遍这个系数的意义，我觉得有三个作用，第一、这个系数带了该类样本占总样本的比例信息，第二、这个值(Gi/GT) - (Bi/BT)的正负和后面的ln((Gi/GT)/(Bi/BT))相同，消除正负号，便于后面累加，第三、这个
关于特征筛选中的IV值
数据分析师
05-28 57
1 IV的用途 IV的全称是InformationValue，中文意思是信息价值，或者信息量。 我们在用逻辑回归、决策树等模型方法构建分类模型时，经常需要对自变量进行筛选。比如我们有200个候选自变量，通常情况下，不会直接把200个变量直接放到模型中去进行拟合训练，而是会用一些方法，从这200个自变量中挑选一些出来，放进模型，形成入模变量列表。那么我们怎么去挑选入模变量呢？ 挑选入模变量过程是...
学习笔记（九）用IV值和随机森林挑选特征
zhangyunpeng0922的博客
11-28 4466
学习笔记（九）用IV值和随机森林挑选特征特征筛选 (判定贷款用户是否逾期)1. IV值进行特征选择1.1 IV的计算1.1.1 WOE的计算1.2 IV的计算公式代码实现2. 随机森林进行特征选择1. 随机森林简单理解代码的实现总结 数据是金融数据，我们要做的是预测贷款用户是否会逾期，表格中，status是标签：0表示未逾期，1表示逾期。 Misson1 - 构建逻辑回归模型进行预测 Misso...
机器学习特征工程-特征选择之IV
机器学习，深度学习
08-10 3288
机器学习特征工程-特征选择之IV
IV及WOE值详解-附R源码实现
默默耕耘，阶段爆发，取长补短，修炼身心
01-16 3526
1.IV值用途 IV全称Information Value即信息价值或信息量。在用逻辑回归、决策树等模型方法构建分类模型时，经常需要对自变量进行筛选。比如有200个候选自变量，通常情况下不会直接把200个变量直接放到模型中去进行拟合训练，而会用一些方法从200个自变量中挑选一些放进模型，形成入模变量列表。挑选入模变量过程需要考虑的因素有很多，比如变量预测能力、变量间相关性、变量简单性(容易生成使...
高效无损压缩的iVPF技术：数值可逆保体积流与压缩算法的研究与应用.
620iVPF：高效无损压缩的数值可逆保体积流世峰张晨张宁康振国李华伟诺亚{张世峰4，陈章10，康宁2，李振国}@ huawei.com摘要存储快速增长的大数据是当今时代的一项重要任务，这就需要高性能的无损压缩技术。...
第1138期AI100_机器学习日报(2017-10-30)
ai100_ml的博客
10-31 1340
AI100_机器学习日报 2017-10-30 论文推荐：NVIDIA Research 发布可生长GANs模型，效果令人赞叹 @新智元ICLR 2018 匿名提交论文列表 @wx:专知内容组keras中最常用深度学习的API @ChatbotsChina音乐分类/回归任务迁移学习 @爱可可-爱生活Subgraphs：Web界面可视化深度网络(计算图)开发平台 @爱可可-爱生活
可汗学院教学课程总目录
No_notion的博客
02-08 1万+
文章目录数学微分学积分学 数学 微分学 标题 网易链接 youtube链接 [第1集] 牛顿，莱布尼茨和尤塞恩·博尔特 http://open.163.com/movie/2011/4/G/F/M8R669LTT_M8RBAS6GF.html [第2集] 极限介绍1 http://open.163.com/movie/2011/4/K/U/M8R669LTT_M8RBAVJK...
EffiScene：无监督联合学习的高效逐像素刚性推断
5538EffiScene：用于光流、深度、相机姿态和运动分割的无监督联合学习的高效逐像素刚性推断杨娇1，2，3，Trac D.Tran2，光明市1，31西安电子科技大学、2约翰霍普金斯大学、3西安电子科技大学广州理工学院{yangjiao，...
四十六.风控评分卡模型关键点理解
weixin_36128607的博客
04-09 1013
风控评分卡模型一.评分卡模型选择 一.评分卡模型选择 评分卡模型一般会选择线性模型，逻辑回归是一种广义线性模型，评分卡中使用的就是逻辑回归，为什么要用逻辑回归模型？ 银行决定是否给个人或企业贷款的关键因素是对未来违约概率的预测，而逻辑回归能将特征信息投射到一个概率区间， ...
建模常用的概念介绍1： WOE、IV
乐想屋
12-12 1万+
为了挑选并构造出对目标变量有较高预测力的自变量，需要对变量进行WOE编码，通过IV值的看变量的贡献。1、WOE(weight of Evidence 证据权重)    1）解释及公式    WOE是对原始自变量的一种编码形式。    要对一个变量进行WOE编码，需要首先把这个变量进行分组处理/离散化处理（等宽切割，等高切割，或者利用决策树来切割）。分组后，对于第i组，WOE的计算公式如下：
IV与PSI的理解--深入浅出
菜鸟笔迹
09-04 1701
IV与KS的理解–深入浅出 一、IV理解 IV衡量的是某一个变量的信息量，是基于WOE来计算的，也可以说是基于KL散度的计算。用于变量个数较多场景下的变量初筛。 Iv取值范围 含义 （0，0.02] 无预测力 （0.02，0.1] 较弱预测力 （0.1，+∞） 预测力可以 理论上，是保留IV值大于0.1的变量进行筛选。 工业上，一般IV超过0.05可以通过初筛，根据变量iv实际情况可以灵活设置阈值。 WOE理解 woe是一种分箱手段，我理解的最主要有四个作用： 1）归一化：分
数据挖掘模型中的IV和WOE详解
热门推荐
一些杂七杂八的想法
03-02 25万+
1.IV的用途 IV的全称是Information Value，中文意思是信息价值，或者信息量。 我们在用逻辑回归、决策树等模型方法构建分类模型时，经常需要对自变量进行筛选。比如我们有200个候选自变量，通常情况下，不会直接把200个变量直接放到模型中去进行拟合训练，而是会用一些方法，从这200个自变量中挑选一些出来，放进模型，形成入模变量列表。那么我们怎么去挑选入模变量呢？ 挑选入模变
【PSI/SI学习系列】2.PSI/SI深入学习1——预备知识
Destiny的专栏
10-24 6114
PSI/SI 深入学习 BASIC KNOWLEDGE LEARNING OF PSI/SI 预备知识1：PSI/SI关键字 PRE-LEARNING1   关键字 解释 翻译 备注 PSI Program Specific Information 节目引导信息
迹象权数WOE、信息值IV、kS值、GINI系数
m0_38093796的博客
01-08 6859
WOE和IV使用来衡量变量的预测能力，值越大，表示此变量的预测能力越强。 WOE=ln(累计正样本占比/累计坏样本占比) IV=（累计正样本占比-累计坏样本占比）*WOE 信息值(IV) 预测能力 <0.03 无预测能力 0.03~0.09 低 0.1~0.29 中 0.3~0.49 高 0.5~ 极高 KS和GINI系数用来...
【学习】PSI、IV、WOE的计算
ysq96的博客
06-01 3018
PSI PSI（模型分布稳定性）:稳定度指标(population stability index ,PSI)可衡量测试样本及模型开发样本评分的的分布差异，为最常见的模型稳定度评估指针。其实PSI表示的就是按分数分档后，针对不同样本，或者不同时间的样本，population分布是否有变化，就是看各个分数区间内人数占总人数的占比是否有显著变化。 其中，bins是分箱数量，Actual是实际占比，Expected是预期占比。 一般来说，PSI小于0.1模型稳定性较高，0.1至0.2之间稳定性.
logistic转换成标准评分卡
strwolf的专栏
06-03 2万+
昨天痛定思痛，思考了一下，有时候干一个事情呢其实是不需要深入到数学细节的，有时候记住结论就可以了，另外的事情是数学家的事情，所以我开始转换思路，开始直接看评分卡模型的相关资料，直接从终点出发，有不懂的再回溯，我觉得这个学习方法还比较适合自己，我称为就是干(just do it)的方法，边打仗边学习，没必要找本书开始看基础理论（需要艰深的数学知识，进展太过缓慢）。 昨天学习评分卡的设计流程概要，其中
gini系数 lift指标 ROC AIC 2016.08.01回顾
strwolf的专栏
08-03 3958
1、上午主要研究了gini系数的算法，关键点就是用梯形面积去近似曲线形成的面积，横轴是按照降序排列或升序排列的人，纵轴是bad rate，把bad rate的坐标的两两连接起来就可以得到若干梯形，计算这些梯形的面积之和，近似等于洛伦茨曲线下面积，升序或是降序确定了，梯形在洛伦茨曲线之上还是之下，但是阴影面积是不变的，阴影面积除以0.5（的面积）就是gini系数，但是tony用的并不是0.5，ton
精锐IV开发手册3.0.0.8：软件保护与集成指南
"精锐IV开发手册3.0.0.8是北京深思洛克软件技术股份有限公司提供的一款软件开发工具，被誉为加密狗中的王者。该手册适用于2010年11月，版本号为3.0.0.8。手册内容涵盖了许可协议、产品使用权限、有限质保、免责声明...
评论
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付元
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明：

1.余额是钱包充值的虚拟货币，按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载，可以购买VIP、付费专栏及课程。

余额充值