IV值与WOE-二元分类特征的选择

一、应用场景

WOE(weight of evidence)和IV（Information Value）主要用来判断变量的预测强度，比如判断用户收入对用户是否会发生逾期的预测强度。因此，两个值的使用主要是在有监督的分类问题中，具体可以细化到如下方面：

指导变量离散化。

在建模过程中，时常需要对连续变量进行离散化处理，如将年龄进行分段。但是变量不同的离散化结果（如：年龄分为［0-20］还是［0-15］）会对模型产生不同影响。因此，可以根据指标所反应的预测强度，调整变量离散化结果。（对一些取值很多的分类变量，在需要时也可以对其进行再分组，实现降维。）

变量筛选。

我们需要选取比较重要的变量加入模型，预测强度可以作为我们判断变量是否重要的一个依据。

二、WOE

P(yi)代表第i组中，违约样本占所有违约样本的比例；

P(ni)代表第i组中，未违约样本占所有未违约样本比例；

y：所有违约样本数；

n：所有未违约样本数。

可知，WOE取值为全体实数，且在大于0部分，WOE越大表示分组中存