评分卡模型变量筛选

变量筛选 用户的属性很多，如果全部输入模型，时间开销太大，而且模型复杂度过高。也会导致模型泛化能力降低，需要提前剔除没有意义的变量。 挑选入模变量需要考虑很多因素，比如：变量的预测能力，变量之间的线性相关性，变量的简单性（容易生成和使用），变量的强壮性（不容易被绕过），变量在业务上的可解释性（被挑战时可以解释的通）等等。 其中最主要和最直接的衡量标准是变量的预测能力和变量的线性相关性。本文主要探讨

>>阅读原文<<