WoE / IV: Weight of Evidence와 Information Value

연속형 X를 log-odds 공간으로 변환하는 원리와 변수 변별력 측정

Odds 방향: Bad Odds

개요~WoE/IV 섹션까지는 Bad Odds \(p/(1-p)\)를 사용한다. 여기서 \(p\)는 부도(Bad) 확률이다. 스코어카드 변환 단계에서 Good Odds \((1-p)/p\)로 전환된다.

Classing에서 연속형 변수를 구간(Bin)으로 분할하였다. 이제 각 Bin에 WoE(Weight of Evidence) 값을 부여하여 원래 X 공간을 log-odds 공간으로 변환하고, IV(Information Value)로 변수 전체의 변별력을 측정한다.

Classing \(\xrightarrow{\text{Bin별 Good/Bad 집계}}\) WoE 산출 \(\xrightarrow{\text{X → WoE 변환}}\) IV 산출 \(\xrightarrow{\text{변수 선택}}\) 단변량 로지스틱 회귀 투입

이 섹션에서 다루는 내용

섹션	제목	핵심 질문
1	WoE: 정의·산출·해석	WoE는 어떻게 산출하며, 양수·음수는 무엇을 의미하는가?
2	X → WoE 공간 변환	원래 X 공간과 WoE 공간은 어떻게 다르며, Dummy 대비 장점은?
3	IV: 정의·산출·변수 선택	IV는 어떻게 산출하며, 변수 선택 기준은 무엇인가?

WoE/IV로 변수를 선별한 뒤에는 단변량 로지스틱 회귀에서 각 Bin의 통계적 유의성을 검정하고 Classing 품질을 진단한다.