就是選擇X
可能模型的入參有很多X，那麼如何選擇這些X？
WOE weight of evidence 證據權重。
這裡就順道說下odds ratio (OR值)的概念：odds 優勢比。
比如下雨的概率為0.25，不下雨的概率為0.75。0.25與0.75的比值可以約分為1比3。因此，我們可以說今天將會下雨的優勢比為1:3(或者今天不會下雨的概率比為3:1)
若是風控模型，病例組就是正樣本，對照組就是好樣本。
WOE=ln(BI/BT / GI/GT)*100%=ln(p1/p0)= ln(BI/GI / BT/GT)=ln(oddsi / oddsT)
p1和p0分別表示了違約樣本與正常樣本占各自總體的比例;
可以認為WOE衡量了自變數取Ai時的違約險算比(oddsratio)與總體違約險算比之間的某種差異。正因為如此，直觀地可以認為WOE蘊含了自變數取值對目標變數(違約概率)的某種影響，因此可以自然地將自變數重新編碼：當自變數取值Ai時，編碼為相應的WOEi。
IV information value 信息值。
IV=sum((p1-p0)*log(p1/p0)) 。
IV值可以用于衡量各變數對y的預測能力，用於篩選變數。
對離散型的變數，如 一線城市、二線城市；博士、碩士等學歷變數。woe可以觀察各個level間的跳轉對odds的提升是否是線性的。而IV值可以衡量變數整體的預測能力。
對連續變數而言，可以通過將連續變數進行分箱的合理，可能是等距分箱，可能是等頻分箱，一般選後者。此時WOE和IV擁有和 離散型變數同樣的意義。
原創文章，作者：投稿專員，如若轉載，請註明出處：https://www.506064.com/zh-tw/n/233247.html
微信掃一掃 
支付寶掃一掃 