（2）时间稳定性PSI：不同时间分布是否变化
评价特征稳定性：衡量特征是否随时间的推移发生大的波动，可用于变量监控。模型上线前做特征选择，剔除不稳定变量。
评价模型的稳定性：对数据集的预测/分类结果进行稳定性评价。模型上线部署后，可通过PSI曲线报表来观察模型的稳定性。
PSI计算方式：PSI=SUM(实际占比-预期占比)*ln(实际占比/预期占比)
PSI越小，代表稳定性越好。
编辑切换为居中
添加图片注释，不超过 140 字（可选）
（3）变量预测力：IV，通过IV筛选预测能力比较强的特征。IV计算可通过woe计算得到，IV越大，代表变量预测能力越强。
编辑切换为居中
添加图片注释，不超过 140 字（可选）
1.3.3特征选择的方式
过滤法：
1）缺失率>x,
2)方差波动
3)psi>x，
4)corr>x,
5）woe单调，
6）iv
嵌入法：特征选择整合为模型的一部分，比如决策树
包装法：通过统计模型或者机器学习来选择特征
2 分箱
2.1 分箱概述
分箱的定义：将变量取值划分成不同的分组。
分箱的目的：适应缺失值和极端值，对于缺失值和极端值放在单独一个箱里。这样变量就会平滑一些，模型也更稳定。
常用分箱方法：等频/等距分箱，决策树/best-ks/卡方分箱
分箱的原则：组内差异小，组间差异大，每组分箱占比不小于5%，必须有好坏两种分类（对于二分类而言必须一个箱里好坏样本都有）。
2.2 分箱方法
