2. PSI指标基础：数学定义、公式推导与统计学意义

2.1 PSI的数学定义

群体稳定性指标（Population Stability Index, PSI）是一种衡量两个概率分布或分数分布之间差异的标准化度量。在机器学习运维中，PSI 用于量化模型在训练/验证阶段（预期分布）与生产阶段（实际分布）之间特征或预测分数的偏移程度。

PSI 的数学定义基于信息论中的 Kullback-Leibler 散度（KL 散度）的对称化形式。对于两个离散概率分布 P（预期分布）和 Q（实际分布），PSI 定义为：

PSI = Σ (P_i - Q_i) * ln(P_i / Q_i)

其中：

• P_i：第 i 个分箱中预期样本的占比（如训练集或上一生产周期）
• Q_i：第 i 个分箱中实际样本的占比（如当前生产周期）
• ln：自然对数
• Σ：对所有分箱求和

2.2 PSI计算公式的逐步推导

PSI 的推导可以从 KL 散度出发。KL 散度衡量分布 P 相对于分布 Q 的信息损失：

KL(P || Q) = Σ P_i * ln(P_i / Q_i)

KL 散度是非对称的，即 KL(P || Q) ≠ KL(Q || P)。为了获得对称的度量，PSI 采用两个 KL 散度的和：

PSI = KL(P || Q) + KL(Q || P)

展开后得到：

PSI = Σ P_i * ln(P_i / Q_i) + Σ Q_i * ln(Q_i / P_i)

利用对数性质 ln(Q_i / P_i) = -ln(P_i / Q_i)，合并两项：

PSI = Σ P_i * ln(P_i / Q_i) - Σ Q_i * ln(P_i / Q_i)
     = Σ (P_i - Q_i) * ln(P_i / Q_i)

这就是 PSI 的最终计算公式。在实际计算中，通常按以下步骤操作：

1. 分箱：将分数或概率值划分为 K 个等宽或等频区间（通常 10 箱）
2. 计算占比：统计每个区间在预期分布 P 和实际分布 Q 中的样本占比
3. 处理零值：若某区间占比为 0，用极小值（如 0.0001）替代，避免对数计算错误
4. 逐箱计算：对每个区间计算 (P_i - Q_i) * ln(P_i / Q_i)
5. 求和：将所有区间的结果相加，得到 PSI 值

2.3 PSI的统计学意义

PSI 的统计学意义可以从三个层面理解：

行业通用的 PSI 阈值判断标准如下：

2.4 PSI计算流程与分布关系图示

下图展示了 PSI 从原始分布到最终指标的计算流程，以及预期分布与实际分布之间的对比关系：

2.5 PSI与KL散度的关系对比

理解 PSI 与 KL 散度的区别，有助于更深入地把握 PSI 的数学特性：