python计算iv值_数据挖掘模型中的IV和WOE详解

2016-03-02 15:36 28747

人阅读

评论

(8)

收藏举报

分类：

数据挖掘模型(

7

)

版权声明：本文为博主原创文章，未经博主允许不得转载。

目录

(?)[+]

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？

挑选入模变量过程是个比较复杂的过程，

需要考虑的因素很多，比如：

变量的预测能力，变

量之间的相关性，变量的简单性(容易生成和使用)，变量的强壮性(不容易被绕过)，变

量在业务上的可解释性(被挑战时可以解释的通)

等等。

但是，其中最主要和最直接的衡量

标准是变量的预测能力。

“变量的预测能力”这个说法很笼统，很主观，非量化，在筛选变量的时候我们总不能说：

“我觉得这个变量预测能力很强，

所以他要进入模型”

吧？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。

类似的指标还有信息增益、

基尼系数

等等。