特征筛选

在建模之前的一步就是将特征工程做好的变量进行筛选，在风控项目中筛选分为两步：初步筛选、逐步回归筛选以及稳定性筛选。

初步筛选

通常评分卡模型的特征筛选主要从以下4个角度出发： 缺失率（一般变量较少时可以可以相对放宽，使用一些方法，如插值等，来填充缺失值） 好坏区分能力（即IV值） 相关性(一般使用皮尔逊相关系数) 分箱后的单调性

信息量（IV）

信息量（Information Value，IV）定义为特征WOE编码的加权求和，woe的计算公式（前面章节有详细介绍：风控建模之特征转换）:

其中pyi和pni的定义与WOE编码中完全相同。单个特征的IV等于该特征每个取值对应的ivi的累加。

从公式上看，IV衡量的是变量不同取值样本标签的分布差异，可以从一定程度上反映单特征对标签区分的贡献度。

对于特征的IV筛选标准：特征整体的IV值不高时，可以将筛选的阀值调低，如在项目中一般调低至0.01，去寻找有效特征；而当特征的IV值大于0.5时，说明该特征具有显著好坏区分能力，因而可以作为前置的策略规则，提前拒绝高风险人群，对于规则阀值的确定可以依据bad_rate以及业务需要进行设置。

python代码：

import 

逐步回归筛选

逐步回归（Stepwise Regression）是一种线性回归模型自变量选择方法，其基本思想是，贪心地遍历所有变量最优组合，以保证最终模型的变量组合为最优。该过程涉及多次F检验。分为：向前逐步回归、向后逐步回归、双向逐步回归。在风控建模项目中，是在特征转换成woe编码时，进行逐步回归筛选特征。

向前逐步回归

初始情况下，模型中只有一个F检验显著性最高的变量，之后尝试加入另一个F检验显著性最高的变量。上述过程不断迭代，直至没有变量满足放入模型的条件。

向后逐步回归

与前向选择相反。首先将所有变量同时放入模型，然后将其中F检验显著性最低的变量从模型中剔除。上述过程不断迭代，直至没有变量满足剔出模型的条件。

双向逐步回归

将前向选择与后向消除同时进行。模型中每加入一个自变量，可能使得某个已放入模型的变量显著性减小。当其显著性小于阈值时，可将该变量从模型中剔除。双向消除即每增加一个新的显著变量的同时，检验整个模型中所有变量的显著性，将不显著变量剔除，从而得到最优的变量组合。

在实际项目实践中，双向逐步回归的表现较好。

combiner 

经验证，direction = ‘both’效果最好。estimator = ‘ols’以及criterion = ‘aic’运行速度快且结果对逻辑回归建模有较好的代表性

stepwise_rt_list 

稳定性筛选（PSI）

在实际业务中，最后决定模型是否能够上线的标准是模型及变量的PSI（模型表现KS只要达到30以上就具备区分好坏能力），不然可能出现的情况就是在训练集里模型表现良好，而在测试集以及时间外样本验证中KS跌如狗，那么之前的工作前功尽弃，少侠请重新再来吧！所以特征稳定性筛选是十分必要的，一般而言特征整体稳定，那么模型就稳定，KS不会波动太大。

PSI介绍

群体稳定性指标（Population Stability Index，PSI）衡量特征及模型的稳定性。其基本含义为：计算同一指标在两个不同数据集上的分布差异，作为当前指标的稳定性指标。PSI公式定义为：

其中pitarget为目标分布上第i箱中样本占总比，pibase为基础分布上第i箱中样本占总比。首先将基础分布按照等频分箱策略进行10等分，然后对目标分布使用相同的阈值进行分箱。分别计算第i箱的pitarget和pibase，带入PSI公式即可得到两个分布的稳定性差异。

PSI一般而言越小越好，当其等于0时标明没有差异，而当其大于0.01时说明特征不稳定需要查明原因

python代码：

# 读取测试集数据

建模

下面将使用传统评分卡的逻辑回归建模以及作为对比的XGBOOST建模

逻辑回归建模

from 

从bad_rate上看，模型排序性还行，只是在3,4行时出现波动

from 

XGBOOST建模

import 

通过模型结果可以看出，XGBoost模型的效果并没有明显高于逻辑回归模型,但在测试集上表现较差，由于没有进行分箱调整，因此逻辑回归建模训练集合测试集的KS波动较大，挖个坑，下一章把模型调好吧！

评分卡模型输出

接下来就是评分卡离线建模的最后一步生成标准评分卡：

from 

留下两个坑，1）手动调整分箱使其符合业务要求以及KS在训练集合测试集相对稳定，2）关于base_odds和pdo写一章介绍