分计算iv值_风控模型—深入理解WOE与IV指标(转载)

风控业务背景

在评分卡建模流程中，WOE（Weight of Evidence）常用于特征变换，IV（Information Value）则用来衡量特征的预测能力。风控建模同学可能都很熟悉这两者的应用，但我们仍然可能疑惑诸如“如何调整WOE分箱？“、“WOE与LR之间的关系？”这些问题。

很多文章都已经讨论过这一命题，本文吸取归纳了前人的优秀成果，以期对WOE和IV给出一套相对完整的理论解释。主要创新点在于：

1. 用图表可视化展示WOE和IV指标的计算过程和业务含义，适用于快速入门实践的读者。
2. 从信息论、贝叶斯理论角度来阐述其中蕴含的数学原理，适用于希望加深理解的读者。

目录
Part 1. WOE和IV的应用价值
Part 2. WOE和IV的计算步骤
Part 3. WOE定义的初步猜想
Part 4. 从贝叶斯角度理解WOE
Part 5. WOE与评分卡的渊源
Part 6. 从相对熵角度理解IV
致谢
版权声明
参考资料

Part 1. WOE和IV的应用价值

WOE（Weight of Evidence）叫做证据权重，大家可以思考下为什么会取这个名字？

那么WOE在业务中常有哪些应用呢？

1. 处理缺失值：当数据源没有100%覆盖时，那就会存在缺失值，此时可以把null单独作为一个分箱。这点在分数据源建模时非常有用，可以有效将覆盖率哪怕只有20%的数据源利用起来。
2. 处理异常值：当数据中存在离群点时，可以把其通过分箱离散化处理，从而提高变量的鲁棒性（抗干扰能力）。例如，age若出现200这种异常值，可分入“age > 60”这个分箱里，排除影响。
3. 业务解释性：我们习惯于线性判断变量的作用，当x越来越大，y就越来越大。但实际x与y之间经常存在着非线性关系，此时可经过WOE变换。

IV（Information Value）是与WOE密切相关的一个指标，常用来评估变量的预测能力。因而可用来快速筛选变量。在应用实践中，其评价标准如下：

在此引用一段话来说明两者的区别和联系：

1. WOE describes the relationship between a predictive variable and a binary target variable