woe分析_信用评分模型中WOE、IV详解

IV(informaiton Value)

IV的概念

IV全程是informaiton Value，中文意思是信息价值，或者信息量。

在逻辑回归、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2000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，那么如何挑选入模变呢？

挑选入模变量要考虑很多的因素，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等”，但其中最主要和直接的衡量标准是变量的预测能力

IV这一指标就是用来衡量自变量的预测能力(衡量自变量对目标变量影响程度的指标)，类似的指标还有信息增益、基尼系数等

IV的直观理解

假设在一个分类问题中，目标变量的类别有两类：Y1，Y2。对于一个待预测的个体A，要判断A属于Y1还是Y2，需要一定的信息，假定信息总量是I,而这些信息蕴含在自变量C1,C2,C3...,Cn中，那么对于其中的一个变量Ci来说，其蕴含的信息越多，那么它对于判断A属于Y1还是Y2的贡献就越大，Ci的信息价值就越大，Ci的IV就越大，它就越应该进入到入模变量

IV的计算

要继续IV的值，首先需要知道WOE

WOE的公式

同样，对于分组i，也会有一个对应的iv值，计算公式如下

有了一个变量各分组的iv值，我们就可以计算整个变量的iv值，方法很简单，就是把各分组的IV相加：

其中，n为变量分组个数(即分箱后有多少组)

WOE(Weight of Evidence)

WOE的全称是“Weight of Evidence”，及证据权重，WOE是对原始自变量的一种编码形式

要对一个变量进