跳到主内容
快讯直播
AI智模界
AI 词典

群体稳定性指数(PSI):线上数据变没变,一个数字说清

一句话定义:群体稳定性指数(Population Stability Index,PSI)是衡量两份分布“长得像不像”的指标,最常见的用法是拿线上真实流量的输入分布,去对比模型训练时见过的分布,看漂移到了什么程度。

怎么算的

先把变量分箱——连续变量按分位点或业务区间切成若干段,类别变量直接按取值分组。然后统计两组数据落在每个箱里的占比:训练时的占比叫“期望占比”,线上的叫“实际占比”。最后逐箱算一项、加总:

```

PSI = Σ (实际占比 − 期望占比) × ln(实际占比 ÷ 期望占比)

```

每个箱的贡献永远是正数:占比没变贡献为 0,变得越多贡献越大。所以 PSI 是 0 就代表分布完全一致,数字越大漂移越厉害。某个箱如果实际占比为 0,取对数会炸掉,实践中通常给个极小的数兜底,或者把空箱和相邻箱合并。

打个比方:一家连锁超市想知道客群有没有变,把顾客按消费金额分成“50 元以下、50–200、200–500、500 以上”四档,算出去年各档人数占比,再算今年各档占比。如果今年“50 元以下”从 30% 涨到 55%,其他档被挤薄,比例结构明显走形,PSI 就会升高——不是销售额跌了,而是“来的人不一样了”。模型遇到这种输入结构变化,打分也会跟着整体偏移。

阈值怎么读

信用评分卡领域流传下来一套经验区间:低于 0.1 视为稳定,0.1–0.25 视为有变化、需要盯一盯,超过 0.25 视为显著漂移、值得排查甚至重训。这只是行业惯例,不是定理,各团队会按业务敏感度和分箱粒度自行调整,具体阈值以自家监控规范为准。

和相邻概念的区别

指标回答的问题特点
PSI两份分布的“形状”差多少效应量,不随样本量膨胀;依赖分箱方式
KL 散度用 A 分布近似 B 分布要多付多少信息代价不对称,A→B 和 B→A 结果不同
KS 检验差异是否“统计显著”给 p 值,样本量极大时微小差异也会显著
概念漂移输入到输出的映射 P(Y\X) 是否变了PSI 只看 P(X),看不到这一层

PSI 本质上是 KL 散度对称化后的形式,把两个方向的信息代价合在一起,所以谁当基准都不会算出负数。

对从业者的意义

PSI 便宜、稳定、好解释,是风控评分卡和推荐系统每天必跑的一项体检:特征 PSI 集体飙升,往往意味着上游埋点改了、渠道结构变了或大促来了;模型分的 PSI 上升,则提示逾期率或点击率的先验可能要变。它不能告诉你该做什么,但能第一时间告诉你“该看一眼了”。注意它只监控输入侧,真正确认模型是否失效,还得配合效果指标一起看。

AI 生成本文由 AI 基于公开信息自动生成,仅供参考。