1. 数据导入及预处理  数据清洗，去除异常样本，规范数据格式等
2. 数据分析   了解数据含义，分析特征分布，稳定性 做特征变量衍生等
3. 特征工程   筛选特征，比如计算变量IV,  特征转换，比如归一化、转换为woe等
4. 训练模型   选择算法进行训练，调参
5. 评估模型   模型效果评估, 常见指标有AUC, KS, Precision, Recall 等
6. 模型上线   线上部署，供业务方调用

IV值（Information Value）主要用来对输入变量进行编码和预测能力评估
特征变量IV值的大小即表示该变量预测能力的强弱，
在面对大量变量的情况下，可计算各个变量的IV值，取IV值大于某个固定值的变量参与到模型中去

WOE（Weight of Evidence）证据权重 常用于特征变换

WOE describes the relationship between a predictive variable and a binary target variable.
IV measures the strength of that relationship.

对于连续型变量，进行分箱（binning），可以选择等频、等距，或者自定义间隔
对于离散型变量，如果分箱太多，则进行分箱合并

AUC Area under Curve
精确率（Precision） 
召回率（Recall） 
准确率（Accuracy）
F值 F-Measure