样本稳定指数（PSI）是衡量样本变化所产生的偏移量的一种重要指标，通常用于衡量样本的稳定程度。
背景信息
样本稳定指数（PSI）通常用于衡量样本的稳定程度。例如样本在两个月份之间的变化是否稳定，如果变量的PSI值小于0.1，则表示变化不太显著。如果PSI值在0.1到0.25之间，则表示有比较显著的变化。如果PSI值大于0.25，则表示变量变化比较剧烈，需要特殊关注。
通过画图的方法可以衡量样本在不同时刻的稳定性，即将待比较的变量离散化成N个分箱，然后计算样本分别在各个分箱中的数量及比例，并以柱状图的形式呈现出来，如下图所示。
该方法可以直观地查看某个变量在两批样本上是否有剧烈的变化，但是无法量化，从而无法实现对样本稳定性的自动监控。因此PSI就显得尤为重要，PSI的计算公式如下。
组件配置
您可以使用以下任意一种方式，配置样本稳定指数（PSI）组件参数。
方式一：可视化方式
在Designer（原PAI-Studio）工作流页面配置组件参数。
|
页签 |
参数 |
描述 |
|
字段设置 |
要计算PSI指标的特征 |
需要进行PSI指标计算的特征列。 |
|
执行调优 |
核心数 |
使用的CPU Core数量，默认系统自动分配。 |
|
内存数 |
每个CPU Core使用的内存大小，默认系统自动分配。 |
方式二：PAI命令方式
使用PAI命令方式，配置该组件参数。您可以使用SQL脚本组件进行PAI命令调用，详情请参见SQL脚本。
PAI -name psi
-project algo_public
-DinputBaseTableName=psi_base_table
-DinputTestTableName=psi_test_table
-DoutputTableName=psi_bin_table
-DinputBinTableName=pai_index_table
-DfeatureColNames=fea1,fea2,fea3
-Dlifecycle=7|
参数 |
描述 |
是否必选 |
默认值 |
|
inputBaseTableName |
输入基础表表名，计算测试表在基础表的基础上产生的偏移量。 |
是 |
无 |
|
inputBaseTablePartitions |
输入基础表分区。 |
否 |
全表 |
|
inputTestTableName |
输入测试表的名称，计算测试表在基础表的基础上产生的偏移量。 |
是 |
无 |
|
inputTestTablePartitions |
输入测试表分区。 |
否 |
全表 |
|
inputBinTableName |
输入分箱结果表的名称。 |
是 |
无 |
|
featureColNames |
需要计算PSI指标的特征列。 |
否 |
全表 |
|
outputTableName |
输出的指标表。 |
是 |
无 |
|
lifecycle |
输出表的生命周期。 |
否 |
无 |
|
coreNum |
使用的CPU Core数量。 |
否 |
系统自动分配 |
|
memSizePerCore |
每个CPU Core使用的内存大小，单位为MB。 |
否 |
系统自动分配 |
示例
使用PSI之前需要对特征数据进行分箱，因此需要一个分箱组件。如下图使用的示例，PSI组件分别连接待比较的两个样本数据集，再连接一个分箱组件。只需要配置要计算PSI指标的特征，即可进行PSI计算。
PSI计算的结果如下图所示。
内容没看懂？ 不太想学习？想快速解决？ 有偿解决： 联系专家
阿里云企业补贴进行中： 马上申请
腾讯云限时活动1折起，即将结束： 马上收藏
同尘科技为腾讯云授权服务中心。
购买腾讯云产品享受折上折，更有现金返利:同意关联，立享优惠
转转请注明出处：https://www.yunxiaoer.com/163327.html