WOE（Weight of Evidence）是信用评分卡中用于变量处理的方法，主要衡量变量组内好坏客户的比例差异。它解决了离散变量直接用于模型时数量关系未知的问题，尤其适用于逻辑回归。WOE编码有利于模型解释性，减少变量数量，且能明确区分正负向影响。然而，WOE不适用于所有算法，可能存在共线性问题。
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
最低0.47元/天 解锁文章
3307
被折叠的 条评论
为什么被折叠?
到【灌水乐园】发言
