1.IV的用途 IV的全称是Information Value，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 ...

woe全称是“Weight of Evidence”，即证据权重，是对原始自变量的一种编码形式。 进行WOE编码前，需要先把这个变量进行分组处理（离散化） 　　其中，pyi是这个组中响应客户（即模型中预测变量取值为“是”或1的个体，也叫坏样本）占所有样本中所有响应客户的比例，pni是这个组 ...

参考: WOE与IV值浅谈 机器学习-变量筛选之IV值和WOE 0. Introduction WOE (weight of evidence): 证据权重 IV (information value): 信息值 计算 WOE 与 IV 值的意义： （1）用 woe 编码可以处理 ...

总结 IV (信息价值，或者信息量) 作用：可以用来衡量自变量(特征)的预测能力 公式： 对每组的IV值求和就可以求出一个特征的IV值 系数（py-pn）:这个系数很好的考虑了这个分组中样本占整体样本的比例，比例越低，这个分组对特征整体预测能力的贡献越低 ...

计算逻辑 先计算WOE值，再计算IV值。 其中Y或N分别是YES,NO，反应在因变量中，就是1和0。 Yi是第i组中1的个数，YT是所有(Total)为1的个数。 Ni是第i组中0的个数，NT是所有(Total)为0的个数。 举例 数据如下，x分别取1-9，y对应 ...

GBDT原理和推导：https://blog.csdn.net/yangxudong/article/details/53872141 Pyspark 分类、回归、聚类示例： https:/ ...

1.IV的用途 IV的全称是Information Value，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 ...

转载：https://blog.csdn.net/IqqIqqIqqIqq/article/details/78857411 1 基于sklearn的实现 from sklearn.d ...