1. 如何计算WoE

$WoE=\ln \frac{\text{% of non-events}}{\text{% of events}}$

具体计算示例结果如下:

Weight of Evidence Calculation

2. WoE的使用

将一个连续的独立变量转化成基于非独立变量分布的相似度的组, 例如 events 和 non-events 的数量

之所以合并具有类似WoE的bin/类别 , 是因为这样的bin/类别几乎拥有相同的 events/non-events比例, 即这样的bin/类别表现上是相同的

限制	应对
每个bin/类别下至少有 $5\%$ 的样本	一般取10~20个bin,bin越少越平滑,噪声也少
每个bin/类别 events/non-events都不能为0	$\frac{\text{% of non-events}+0.5}{\text{% of events}+0.5}$
每个bin/类别都必须不同,相似的应该合并
WoE应该是单调的,不管是增加bin,还是减少bin
对于缺失值需要另外分bin

$IV=\sum(\text{% of events - % of non-events}) * WoE$

主要用来选择对预测模型重要的特征

IV值与其对应解释:

Information Value	Variable Predictiveness
$\lt 0.02$	Not useful for prediction
$[0.02, 0.1)$	Weak predictive Power
$[0.1, 0.3)$	Medium predictive Power
$[0.3, 0.5)$	Strong predictive Power
$\ge 0.5$	Suspicious Predictive Power