IV值

评分模型开发主要分为变量处理、模型建立、评分转换、模型评估4个步骤。 
其中在变量处理的时候涉及IV值和WOE值的计算。

基于抽样后得到训练样本集数据，由于变量数量通常较多，不推荐直接采用逐步回归的方法进行筛选。 
由于各个变量的量纲和取值区间存在很大的差别，通常会对变量的取值进行分箱并计算 证据权重 WOE值(weight of evidence) ，从而降低变量属性的个数，并且平滑的变量的变化趋势。

接下来，在此基础上计算 信息价值IV(information value) ， 
**一般我们选择 IV值大于0.02的那些变量进入模型。 
如果IV值大于 0.5 ,改变量就是属于过预测变量，通常被选座分群变量，将样本拆分成多个群体，针对不同的群体分别开发评分卡。**

分群的依据通常也会根据业务上的需要进行设定，常见以区域变量作为分群的标准。

证据权重WOE是用来衡量变量某个熟悉的风险的指标，WOE的计算公式： 

WOE 的值越高，代表着该分组中客户是坏客户的风险越低。

IV值是用来衡量某个变量对好坏客户区分能力的一个指标，IV值公式如下：

IV值越大表示好坏客户在该变量上的分布差异就越大，也就是该变量的区分能力就越好。

对于IV值的解释预测力