逻辑回归中常用的概念： WOE、IV详解

    为了挑选并构造出对目标变量有较高预测力的自变量，需要对变量进行WOE编码，通过IV值的看变量的贡献。

1、WOE(weight of Evidence 证据权重)

    1）解释及公式

    WOE是对原始自变量的一种编码形式。

    要对一个变量进行WOE编码，需要首先把这个变量进行分组处理/离散化处理（等宽切割，等高切割，或者利用决策树来切割）。分组后，对于第i组，WOE的计算公式如下：

    其中：pyi为坏样本占所有坏样本的比例，py0好样本占所有好样本的比例；B为坏样本总数，Bi为变量i对应的坏样本个数，G为好样本总数，Gi为变量i对应的好样本个数 ；

    注：将模型目标变量y为1记为违约用户（坏样本），对于目标变量为0记为正常用户（好样本）

2）直观字面理解：

    WOE表示的实际上是“当前分组中坏客户占所有坏客户的比例”和“当前分组中好客户占所

有坏客户的比例”的差异。转化公式以后，也可以理解为：当前这个组中坏客户和好客户的比值，和所有样本中这个比值的差异。这个差异为这两个比值的比值，再取对数来表示的。

    WOE越大，这种差异越大，这个分组里的样本坏样本可能性就越大，WOE越小，差异越小，这个分组里的坏样本可能性就越小。

3）WO