课件逻辑回归-公开课.pptxVIP

数据挖掘 逻辑回归 数据挖掘应用前景 逻辑回归 数据挖掘从业人员收入 逻辑回归 逻辑回归 数据挖掘=模型+算法 逻辑回归 逻辑回归 逻辑回归 逻辑回归 逻辑回归 逻辑回归 信用评分 QA 备用页： 我们为什么不直接用这个WOE绝对值的加和来衡量一个变量整体预测能力的好坏，而是要用WOE处理后的IV呢。 我们这里给出两个原因。IV和WOE的差别在于IV在WOE基础上乘以的那个 ， 我们暂且用pyn来代表这个值。 第一个原因，当我们衡量一个变量的预测能力时，我们所使用的指标值不应该是负数，否则， 说一个变量的预测能力的指标是-2.3，听起来很别扭。从这个角度讲，乘以pyn这个系数，保证了变量每个分组的结果都是非负数， 你可以验证一下，当一个分组的WOE是正数时，pyn也是正数，当一个分组的WOE是负数时，pyn也是负数，而当一个分组的WOE=0时，pyn也是。 上面的原因不是最主要的，因为其实我们上面提到的             这个指标也可以完全避免负数的出现。 更主要的原因，也就是第二个原因是，乘以pyn后，体现出了变量当前分组中个体的数量占整体个体数量的比例，对变量预测能力的影响。