为什么逻辑回归使用WOE建模

Question

逻辑回归进行分箱，得到不同箱的WOE值，并用WOE值替换特征的取值，替换后，为什么能用WOE值来对逻辑回归建模
（如果分箱之后做哑变量能理解，WOE理解不了）

Answer 1

第一，好解释，因为如果dummy的话其实是将一个变量拆开了，会出现某个维度有一部分入模的情况，而woe不会；
第二是变量变少了，调整更直观（这个好有道理）；
第三是woe值可以很好的区分哪些组是负向的，哪些组是正向的。但其实它也有弊端，因为你无法从系数看出这个变量的正负向，因为woe化后，你拟合出来的系数应该都是正的，如果你拟合出的系数有些是负，那么说明你模型没建好，出现了共线性的问题

参考：

机器学习-谈谈逻辑回归里面的woe化-20170911 - 知乎 1、woe是什么东西 如果有人接触过信用评分卡，那么肯定是有看过在变量处理那一步，有一个变量woe的过程。那么woe是如何计算的呢，有什么具体含义呢。 woe全称是Weight of Evidence，即证据权重，也叫作自变量的一… https://zhuanlan.zhihu.com/p/29250264