R语言计算IV值及使用

更多大数据分析、建模等内容请关注公众号《bigdatamodeling》

在对变量分箱后，需要计算变量的重要性，IV是评估变量区分度或重要性的统计量之一，R语言计算IV值的代码如下：

CalcIV <- function(df_bin, key_var, y_var){
 N_0<-table(df_bin[, y_var])[1]
 N_1<-table(df_bin[, y_var])[2]
 iv_c<-NULL
 var_c<-NULL
 for (col in colnames(df_bin)){
   if (col != key_var && col != y_var) {
     frq<-as.data.frame(table(df_bin[, col], df_bin[, y_var]))
     len<-length(unique(frq$Var1))
     iv<-0
     for (i in 1:len){
       N_i_0<-frq$Freq[frq$Var1==i & frq$Var2==0]
       N_i_1<-frq$Freq[frq$Var1==i & frq$Var2==1]
       iv<-iv+(N_i_0/N_0- N_i_1/N_1)*log((N_i_0/N_0)/(N_i_1/N_1))
     }
     iv_c<-c(iv_c, iv)
     var_c<-c(var_c, col)
   }
 }
 iv_df<-data.frame(var=var_c, iv=iv_c, stringsAsFactors = FALSE)
 return(iv_df)

}

其中，df_bin是分箱后的数据集，key_var是主键，y_var是y变量(0是好，1是坏)。代码运行结果如下：