群体稳定性指标(population stability index),
公式： psi = sum(（实际占比-预期占比）/ln(实际占比/预期占比))
举个例子解释下，比如训练一个logistic回归模型，预测时候会有个概率输出p。你测试集上的输出设定为p1吧，将它从小到大排序后10等分，如0-0.1,0.1-0.2,......。
现在你用这个模型去对新的样本进行预测，预测结果叫p2,按p1的区间也划分为10等分。
实际占比就是p2上在各区间的用户占比，预期占比就是p1上各区间的用户占比。
意义就是如果模型跟稳定，那么p1和p2上各区间的用户应该是相近的，占比不会变动很大，也就是预测出来的概率不会差距很大。
一般认为psi小于0.1时候模型稳定性很高，0.1-0.25一般，大于0.25模型稳定性差，建议重做。

未邀自来。。
1、纠正@yuexfe一个错误：psi = sum(（实际占比-预期占比）/ln(实际占比/预期占比)) 公式中差与对数的除应该是乘，即：psi = sum(（实际占比-预期占比）* ln(实际占比/预期占比))
2、除了按概率值大小等距十等分外，还可以对概率排序后按数量十等分，两种方法计算得到的psi可能有所区别但数值相差不大。

赞~钊哥  哈哈

赞，笔误，谢谢纠正

不好意思啊，看到第二点有点疑惑。不知道对概率排序后按数量十等分的话，是对客户数量十等分么？那不管是训练集还是验证集，每个区间内的客户占比永远都是10%，算出来的PSI不就永远为零了么？