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。 IV就是这样一种指标，他可以用来衡量自变量的预测能力。类似的指标还有信息增益、基尼系数等等，IV的计算是以WOE为基础的。 WOE的全称是“Weight of Evidence”，即证据权重。WOE是对原始自变量的一种编码形式。 要对一个变量进行WOE编码，需要首先把这个变量进行分组处理（也叫离散化、分箱等等，说的都是一个意思）。 分箱的代码可以见之前的文章。 分组后，对于第i组，WOE的计算公式如下： 对这个公式做一个简单变换，可以得到：   变换以后我们可以看出，WOE也可以这么理解，他表示的是当前这个组中响应的客户和未响应客户的比值，和所有样本中这个比值的差异。这个差异是用这两个比值的比值，再取对数来表示的。WOE越大，这种差异越大，这个分组里的样本响应的可能性就越大，WOE越小，差异越小，这个分组里的样本响应的可能性就越小。 对于一个分组后的变量，第i 组的WOE前面已经介绍过，同样，对于分组i，也会有一个对应的IV值，计算公式如下：   有了一个变量各分组的IV值，我们就可以计算整个变量的IV值，方法很简单，就是把各分组的IV相加： 概念很简单，下面用Python代码来实现，并且与分箱的方法结合起来，完成评分卡的前期基础工作。 import pandas as pd import numpy as np #使用已经分箱的结果，计算woe和vi def cal_woe(input_df): groups = input_df.shape[0] #对于统计项为0的actual_0和actual_1赋值为1 input_df.loc[input_df['actual_0']==0, 'actual_0'] = 1 input_df.loc[input_df['actual_1']==0, 'actual_1'] = 1 all_0 = input_df['actual_0'].sum() all_1 = input_df['actual_1'].sum() woe = [] vi = 0 for i in range(groups): tmp = ((input_df.loc[i,'actual_1']*1.0 / all_1) - (input_df.loc[i,'actual_0']*1.0 / all_0)) * np.log((input_df.loc[i,'actual_1']*1.0 / all_1) / (input_df.loc[i,'actual_0']*1.0 / all_0)) woe.append(tmp) vi += tmp input_df['woe'] = woe return input_df, vi 这里的字段都是我预先定义过的，直接照搬肯定不行，但是也很简单，当前特征下某个属性值类别为0的样本数count值，就是actual_0，actual_1以此类推。