📊 经典机器学习ID: psi-data-drift

数据漂移与 PSI

Q: 写出 PSI 公式 $PSI = \sum_i (A_i - B_i)\ln\frac{A_i}{B_i}$ 并解释 $A_i$/$B_i$ 的含义;为什么 $A_i = B_i$ 时 PSI = 0?它与 KL 散度是什么关系?

【数据漂移与 PSI 核心考点 1】写出 PSI 公式 $PSI = \sum_i (A_i - B_i)\ln\frac{A_i}{B_i}$ 并解释 $A_i$/$B_i$ 的含义;为什么 $A_i = B_i$ 时 PSI = 0?它与 KL 散度是什么关系?。技术解析：定义: PSI(Population Stability Index,群体稳定性指标)是监控模型输入分布漂移最常用的指标,量化基准分布与当前分布的分箱差异: PSI = \sum_i (A_i - B_i)\ln\frac{A_i}{B_i},其中 A_i 是当前(actual)样本落入第 i 个分箱的比例,B_i 是基准(expected,如训练集)比例;分箱通常按基准分布十等分,当前分箱为空时与相邻箱合并避免除零,PSI 本质上是 KL 散度的对称化近似。经验阈值: PSI < 0.1 分布稳定;0.1 \le PSI < 0.25 需关注并排查;P... 完整推导与工程落地见：https://talentme.airsota.com/resources/tech/roadmap/mindmap/ML/card/psi-data-drift

Q: PSI 经验阈值: 0.25 各代表什么处置动作?分箱时遇到 $B_i = 0$ 或 $A_i = 0$ 怎么处理?

【数据漂移与 PSI 核心考点 2】PSI 经验阈值: 0.25 各代表什么处置动作?分箱时遇到 $B_i = 0$ 或 $A_i = 0$ 怎么处理?。技术解析：定义: PSI(Population Stability Index,群体稳定性指标)是监控模型输入分布漂移最常用的指标,量化基准分布与当前分布的分箱差异: PSI = \sum_i (A_i - B_i)\ln\frac{A_i}{B_i},其中 A_i 是当前(actual)样本落入第 i 个分箱的比例,B_i 是基准(expected,如训练集)比例;分箱通常按基准分布十等分,当前分箱为空时与相邻箱合并避免除零,PSI 本质上是 KL 散度的对称化近似。经验阈值: PSI < 0.1 分布稳定;0.1 \le PSI < 0.25 需关注并排查;P... 完整推导与工程落地见：https://talentme.airsota.com/resources/tech/roadmap/mindmap/ML/card/psi-data-drift

Q: Covariate Drift 与 Concept Drift 的区别?各举一个实际例子,两者对模型的影响有何不同?

【数据漂移与 PSI 核心考点 3】Covariate Drift 与 Concept Drift 的区别?各举一个实际例子,两者对模型的影响有何不同?。技术解析：定义: PSI(Population Stability Index,群体稳定性指标)是监控模型输入分布漂移最常用的指标,量化基准分布与当前分布的分箱差异: PSI = \sum_i (A_i - B_i)\ln\frac{A_i}{B_i},其中 A_i 是当前(actual)样本落入第 i 个分箱的比例,B_i 是基准(expected,如训练集)比例;分箱通常按基准分布十等分,当前分箱为空时与相邻箱合并避免除零,PSI 本质上是 KL 散度的对称化近似。经验阈值: PSI < 0.1 分布稳定;0.1 \le PSI < 0.25 需关注并排查;P... 完整推导与工程落地见：https://talentme.airsota.com/resources/tech/roadmap/mindmap/ML/card/psi-data-drift

Q: 为什么监控模型退化要用 PSI 而不是只看线上 AUC?PSI 的局限性有哪些(如对分箱数敏感)?

【数据漂移与 PSI 核心考点 4】为什么监控模型退化要用 PSI 而不是只看线上 AUC?PSI 的局限性有哪些(如对分箱数敏感)?。技术解析：定义: PSI(Population Stability Index,群体稳定性指标)是监控模型输入分布漂移最常用的指标,量化基准分布与当前分布的分箱差异: PSI = \sum_i (A_i - B_i)\ln\frac{A_i}{B_i},其中 A_i 是当前(actual)样本落入第 i 个分箱的比例,B_i 是基准(expected,如训练集)比例;分箱通常按基准分布十等分,当前分箱为空时与相邻箱合并避免除零,PSI 本质上是 KL 散度的对称化近似。经验阈值: PSI < 0.1 分布稳定;0.1 \le PSI < 0.25 需关注并排查;P... 完整推导与工程落地见：https://talentme.airsota.com/resources/tech/roadmap/mindmap/ML/card/psi-data-drift

Q: 检测到 PSI ≥ 0.25 后的处置流程(归因→重训→回滚);如何区分真实漂移与数据泄漏/口径变化?

【数据漂移与 PSI 核心考点 5】检测到 PSI ≥ 0.25 后的处置流程(归因→重训→回滚);如何区分真实漂移与数据泄漏/口径变化?。技术解析：定义: PSI(Population Stability Index,群体稳定性指标)是监控模型输入分布漂移最常用的指标,量化基准分布与当前分布的分箱差异: PSI = \sum_i (A_i - B_i)\ln\frac{A_i}{B_i},其中 A_i 是当前(actual)样本落入第 i 个分箱的比例,B_i 是基准(expected,如训练集)比例;分箱通常按基准分布十等分,当前分箱为空时与相邻箱合并避免除零,PSI 本质上是 KL 散度的对称化近似。经验阈值: PSI < 0.1 分布稳定;0.1 \le PSI < 0.25 需关注并排查;P... 完整推导与工程落地见：https://talentme.airsota.com/resources/tech/roadmap/mindmap/ML/card/psi-data-drift

Data Drift & PSI

🎯核心定义

PSI(Population Stability Index,群体稳定性指标)是监控模型输入分布漂移最常用的指标,量化基准分布与当前分布的分箱差异:

PSI = \sum_i (A_i - B_i)\ln\frac{A_i}{B_i}

,其中

A_i

是当前(actual)样本落入第

i

个分箱的比例,

B_i

是基准(expected,如训练集)比例;分箱通常按基准分布十等分,当前分箱为空时与相邻箱合并避免除零,PSI 本质上是 KL 散度的对称化近似。经验阈值:

PSI < 0.1

分布稳定;

0.1 \le PSI < 0.25

需关注并排查;

PSI \ge 0.25

发生显著漂移,需触发重训。漂移分两类: Covariate Drift(输入

P(X)

变了,如新客群结构变化)与 Concept Drift(输入不变但

P(Y|X)

变了,如疫情期间坏账率上升)。

💡使用场景

风控/反欺诈模型上线后的周度/月度监控看板必配 PSI;面试常问“模型上线后如何监测退化”“PSI 超阈值怎么办”;做法是逐特征算单变量 PSI,也可对模型打分/预测概率整体算 PSI,再按特征 PSI 排名定位根因。

⚡解决的核心痛点

相比只盯线上 AUC 等效果指标(真实标签有延迟,且无法定位是哪个特征出问题),PSI 无需真实标签、可逐特征提前发现输入分布漂移;配合阈值分级(

<0.1

稳定 /

0.1\text{-}0.25

关注 /

>0.25

漂移)与重训触发,形成“监控—归因—重训”闭环。

🎯5 个高频面试考点 (Exam Points)

写出 PSI 公式

PSI = \sum_i (A_i - B_i)\ln\frac{A_i}{B_i}

并解释

A_i

B_i

的含义;为什么

A_i = B_i

时 PSI = 0?它与 KL 散度是什么关系?

PSI 经验阈值: <0.1 / 0.1–0.25 / >0.25 各代表什么处置动作?分箱时遇到

B_i = 0

或

A_i = 0

怎么处理?

Covariate Drift 与 Concept Drift 的区别?各举一个实际例子,两者对模型的影响有何不同?

为什么监控模型退化要用 PSI 而不是只看线上 AUC?PSI 的局限性有哪些(如对分箱数敏感)?

检测到 PSI ≥ 0.25 后的处置流程(归因→重训→回滚);如何区分真实漂移与数据泄漏/口径变化?

📖 关联深度指南:📄 ml-math-and-eval-metrics →

更新于 2026-08-12

🎯

检验攻克程度：针对「数据漂移与 PSI」专属刷题排雷

做单选排雷题、推导选项机制，答错自动收录进专属错题本。

🚀 开始本考点专项刷题 ➔

← 上一个知识点可解释性 SHAP 与 LIME 下一个知识点 →排序学习 LTR

数据漂移与 PSI

🔗 更多 经典机器学习 知识点卡片

🔗 更多经典机器学习知识点卡片