【风控】特征评估指标WOE和IV值

一、定义

1.1 WOE（Weight of Evidence）定义与原理

WOE 是“Weight of Evidence”的缩写，直译为“证据权重”，用来衡量某个特征分箱中“坏人”与“好人”之间的分布差异性。
WOE 的基本定义如下：
$$WO{E}_i=\ln \left(\frac{{\text{bad}}_i/\text{total bad}}{{\text{good}}_i/\text{total good}}\right)$$
其含义可以进一步展开为：

$$WO{E}_i=\ln \left(\frac{{\text{bad}}_i}{{\text{good}}_i}\right)-\ln \left(\frac{\text{total bad}}{\text{total good}}\right)$$

即：每个分箱中的坏好比（Odds）相对于总体的坏好比之间的差异性。
换句话说，WOE 描述了每个分箱的观测结果相较于总体分布的“证据强度”差异。当 WOE 为正时，表示该分箱中坏人比重较大；为负时表示好人比重较大；接近 0 时说明该分箱与总体无明显差异。

1.2 IV（Information Value）定义与变换

IV 是“Information Value”的缩写，是在风控建模中用来度量特征对目标变量（如好/坏用户）预测能力的指标。
IV 的定义如下：
$$IV=\sum _{i=1}^n({\text{bad\_rate}}_i-{\text{good\_rate}}_i)\times WO{E}_i$$
其中：

• ${\text{bad\_rate}}_i=\frac{{\text{bad}}_i}{\text{total bad}}$
• ${\text{good\_rate}}_i=\frac{{\text{good}}_i}{\text{total good}}$
  IV 本质上是 WOE 的加权和，其形式与信息论中的“相对熵”（KL散度）一致，表示总体坏好人分布在每个分箱上的差异程度。
  IV 可以改写为：
  $$IV=\sum _{i=1}^n\left(\frac{{\text{bad}}_i}{\text{total bad}}\right)\ln \left(\frac{{\text{bad}}_i/\text{total bad}}{{\text{good}}_i/\text{total good}}\right)$$

这就将其与 WOE 的公式连接起来，进一步揭示了 IV 的信息含义：衡量每个分箱的坏人分布相对于好人分布的信息增益。分箱之间差异越大，IV 越高，说明该变量具有更强的区分能力。

二、计算步骤

1. 分箱（Binning）

   • 连续变量：等频、等距或基于业务自定义。
   • 离散变量：合并稀疏类别。

2. 统计分箱好坏数

   • bin_good_i、bin_bad_i，及总体 good_total、bad_total。

3. 计算边际占比

   • $dist\_goo{d}_i=bin\_goo{d}_i/good\_total$
   • $dist\_ba{d}_i=bin\_ba{d}_i/bad\_total$

4. 计算 WOE

   • $WO{E}_i=\ln (dist\_ba{d}_i)-\ln (dist\_goo{d}_i)$

5. 检查单调性与合并

   • 若 WOE 曲线不单调，需调整分箱或合并相邻箱。

6. 计算 IV