计算样本稳定指数（PSI）-人工智能平台 PAI-阿里云-人工智能平台 PAI(PAI)-阿里云帮助中心

样本稳定指数（PSI）是一种统计指标，用于评估两个样本分布之间的差异程度，通常用于监控模型在不同时间或不同环境下的表现稳定性。通过计算两个样本的分布差异，PSI能够帮助识别潜在的数据偏移或漂移，从而为模型维护和更新提供依据。

算法说明

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。 PSI计算公式

配置组件

方式一：可视化方式

在Designer工作流页面添加样本稳定指数(PSI)组件，并在界面右侧配置相关参数：

参数类型	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。
执行调优	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命令配置样本稳定指数(PSI)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	是否必选	默认值	描述
inputBaseTableName	是	无	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。
inputBaseTablePartitions	否	全表	输入基础表分区。
inputTestTableName	是	无	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。
inputTestTablePartitions	否	全表	输入测试表分区。
inputBinTableName	是	无	输入分箱结果表的名称。
featureColNames	否	全表	需要计算PSI指标的特征列。
outputTableName	是	无	输出的指标表。
lifecycle	否	无	输出表的生命周期。
coreNum	否	系统自动分配	使用的CPU Core数量。
memSizePerCore	否	系统自动分配	每个CPU Core使用的内存大小，单位为MB。

使用示例

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：PSI 计算完成后，在模型报告页面可查看结果。报告以可展开的分层表格展示各特征的 PSI 值及分箱详情，表格列依次为 Feature、Bin、Test %、Base %、Test - Base、ln(Test/Base)、PSI。例如特征 age 的 PSI 为 0.0475（包含 7 个分箱区间），menopause 的 PSI 为 0.0588（包含 6 个分箱区间），tumor_size 的 PSI 为 0.0409。展开各特征行可查看每个分箱区间对 PSI 的贡献值。