大数据挖掘模型中地IV和WOE详解.docxVIP

实用标准

实用标准

文档大全

文档大全

数据挖掘模型中的IV和WOE详解

分类：

数据挖掘模型（7）

标签：IVWOE信息价值证据权重数据挖掘模型2016-03-0215:3628747人阅读评论(8)收藏举报

版权声明：本文为博主原创文章，未经博主允许不得转载。

1.IV的用途

目录(?)[+]

IV的全称是InformationValue，中文意思是信息价值，或者信息量。

我们在用逻辑回归、决策树等模型方法构建分类模型时，经常需要对自变量进行筛选。比如我们有200个候选自变量，通常情况下，不会直接把200个变量直接放到模型中去进行拟合训练，而是会用一些方法，从这200个自变量中挑选一些出来，放进模型，形成入模变量列表。那么我们怎么去挑选入模变量呢？

挑选入模变量过程是个比较复杂的过程，需要考虑的因素很多，比如：变量的预测能力，变量之间的相关性，变量的简单性（容易生成和使用），变量的强壮性（不容易被绕过），变量在业务上的可解释性（被挑战时可以解释的通）等等。但是，其中最主要和最直接的衡量标准是变量的预测能力。“变量的预测能力”这个说法很笼统，很主观，非量化，在筛选变量的时候我们总不能说：“我觉得这个变量预测能力很强