1、woe是什么东西
如果有人接触过信用评分卡,那么肯定是有看过在变量处理那一步,有一个变量woe的过程。那么woe是如何计算的呢,有什么具体含义呢。
woe全称是Weight of Evidence,即证据权重,也叫作自变量的一种编码,这种定义是不是很拗口,也很难理解,但你看过它的公式以后就会比较清楚了。
这是某一变量某一分组的woe,B代表风险客户,G代表正常客户,所以WOE衡量了这组里面的好坏客户的占比与整体样本好坏样本占比的差异,差异越大,对风险区分越明显。但woe只考虑了风险区分的能力,但没有考虑能区分的用户有多少,所以又引出了一个IV的定义,可以衡量一个变量的风险区分能力:
2、为什么可以woe化
看到我上面说的是为什么可以,而不是为什么一定要,这两者还是有差别的,毕竟我们并不一定要woe化,woe化只是一个好的习惯(经验)而已。
但是你知道为什么在这里是可以woe化的呢,那么在其他算法里面是不是可以woe化呢。
要回答上面这个问题,首先我们可以想想如果变量离散化后不做woe化,那么是不是这个时候的变量可以直接丢到算法里面去学习呢,答案是否定的。如果我们不采用woe化,我们一般会将离散后的变量或者一些类别变量dummy化,那为什么要dummy化呢,而不是直接使用离散后的变量呢,这里的原因就是离散后的变量很难知道各个组之间的数量关系,比如我将年龄分成了20岁以下、20-50、50岁以上