這一期咱們聊聊篩選變量的指標(biāo)——IV值。

計(jì)算公式如下：

看公式有沒(méi)有很熟悉，大家沒(méi)有看錯(cuò)，其中一部分就是WOE的計(jì)算公式。區(qū)別就在于WOE是對(duì)一個(gè)變量的每個(gè)分組的計(jì)算，IV值是對(duì)一個(gè)變量的統(tǒng)計(jì)指標(biāo)。

如上圖所示，當(dāng)前使用率的IV值為1.415。

IV值的作用就是衡量一個(gè)變量整體的預(yù)測(cè)能力，好處在于每個(gè)變量的IV值是可比的。所謂的IV值（informationvalue），指的是一個(gè)變量對(duì)于判定客戶(hù)屬于y1還是y0的信息貢獻(xiàn)，貢獻(xiàn)越大，IV值越大。

然而，我們僅從公式就可以看出，對(duì)于同一個(gè)變量來(lái)說(shuō)，分組分的越多，它的IV值自然越大。但是分組過(guò)多會(huì)產(chǎn)生另外一個(gè)問(wèn)題，每個(gè)分組的數(shù)據(jù)量會(huì)變少，導(dǎo)致每個(gè)分組不穩(wěn)定。所以我們?cè)谶M(jìn)行變量分箱時(shí)不能只考慮提高變量的IV，也要兼顧穩(wěn)定性與業(yè)務(wù)意義。

在進(jìn)行變量初篩的時(shí)候，可以直接將IV值小于0.02的變量剔除，不參與后面的算法擬合過(guò)程。這些變量即使進(jìn)入變量擬合庫(kù)，對(duì)判定客戶(hù)的貢獻(xiàn)也基本上等于沒(méi)有。

好了，這期就先聊到這里，下期再見(jiàn)！

總結(jié)

以上是生活随笔為你收集整理的分计算iv值_筛选变量的指标—IV值的全部?jī)?nèi)容，希望文章能夠幫你解決所遇到的問(wèn)題。

如果覺(jué)得生活随笔網(wǎng)站內(nèi)容還不錯(cuò)，歡迎將生活随笔推薦給好友。