关于模型的100个问答-part2

关于模型的100个问答-part2

一

距离过年还有8天，没错的，我跟你一样还没有休假。深圳这段时间是冷到刺骨了，就是冷到我今天才来更新，不要烦我每次都要说这段话，毕竟是生活中无处表达，只能在这抒发了。

上周的part1,感谢留言区的大神的回答，也补充了我知识的缺陷，谢谢！

今天能写多少的问题就写多少个问题哈，有些我是想到就写上去了，也希望在这篇文章也能有大神出没，这个系列就是把一些零碎的知识汇总一下。

1

1、我生成的评分，用哪个woe啊。

woe,一般情况下有三个数据集的woe,这个套路跟参数估计一个道理。

1、用训练集的woe，因为训练集的数据范围广，覆盖面广

2、用训练集+测试集的数据叠加在一起，算一个woe，数据比之前的更广。

3、用验证数据集的woe,接近现在的时间，可以代表当下的客户形态。但是验证的数据一般就是1 2个月的数据，所以覆盖面就不知道那么广。

我比较常用的是第二种方式。你这时候可能问，那参数估计要不要配套，我建议是配套，但是我只是建议~~

2

2、我做的模型，ks很高啊，为什么我A层的客户比B层客户逾期率还高？

这种情况经常发生，训练集中分层明明是完美分层，A-E逾期率依次递减，批核率依次递减，这时候你的验证集要是小的波动，要是a层比b层还高出5%的话，这就明显是世界对你狠狠的恨意了，处理建议：

1、把你这a层，要是全面一些就ab两层的坏客户都全拿出来，按照每个变量的得分，看下是那些变量让你的坏客户的跑到A层的，把这个变量替换成别的变量，重新拟合。

2、如果你的验证的ab层区分度不够，但是还是优于c层较多的，可以分层四层，把ab两层放在一起。对外就说，这个模型分成四层比较合适，谁规定一定要分5层的。

3、检查是不是你把白户放进去建模了，其实很多公司对白户这类客户都有点束手束脚，假设你把白户（征信空白）放进去，且这种查询次数为0且负债为0（征信报告）的得分较高的话，可能会出现一些逾期白户进入ab层。

3

3、为什么你一直说的都是逻辑回归？

在建模工作中，我会根据这个模型需不需要业务的解释，例如a卡，需要跟产品，审批汇报这种模型，业务重于模型效果嘛，你用了人家业务不认同的变量，还是会叫你改的嘛，所以会使用逻辑回归，还有另一方面，像a卡，本身就是衡量客户的一个偿债能力，大部分的变量呈现都是线性可分的，所以逻辑回归也相对有优势。

那么像反欺诈这种模型，不要跟业务反馈里面用到什么变量，因为反欺诈中的逻辑大部分就是交叉出逻辑上的错误，或者区别与普通客户的特征，你不要跟我说什么中介包装就跟真的一样，要是高端的中介包装，你们审核的人工都看不来，还想指望这用了几个变量的模型，不扯这个。那么这时候你的变量往往都是交叉验证性或者多个组合的，一句话，反欺诈没啥逻辑，都来欺诈，还把征信查询次数弄成最近三个月30次来申请不成，所以大部分的反欺诈模型的变量我自己都解释不了，那么这时候你用机器学习的方法就可以让模型更加难解释，有效果且稳定可用就成你这个模型的重点了。

4

4、客户信用分数分层的时候，怎么知道这层大概分多少？

针对有人工参与的模型，分数分层，以下我的建议建议建议（我只是建议，我的个人工作经验，每家公司标准不一样）如下：

A层：逾期率大概是总体逾期率的30%以下这样子，假设你的总体逾期率是10%，那么你的A层的逾期率大概就是1%-3%这样子，这层的客户人数占比大概是总体的4%-8%左右。

B层：逾期率大概是总体的一半左右，客户人数占比大概是总体客户数的10-15%。

C层：逾期率跟总体差不多，客户人数占比大概是总体客户数的30%-50%，一般我是AB两层以及DE两层进不了就到这里来了。

D层：逾期率大概是总体的1.2-1.4倍，客户人数占比大概是总体客户数的10-15%。

E层：逾期率大概是总体的1.5倍以上，具体看你们公司的容忍度，客户人数占比大概是总体客户数的4%-8%。

以上是我的建议！！！，建议！！！，知道我为什么一直强调是建议吗，知道吧，总有喜欢挑事的。

5

5、是不是进入逻辑回归的模型的woe都需要单调。

希望单调的原因是因为，逻辑回归对于线性可分的数据，效果会很明显，但是并不是你的变量进入模型都要单调，数据分析，首先最重要的是尊重数据的原始性，变量分组并不是为了等下的woe单调，而是利用分组把该变量的特征可以最大化。

举个例子，有个变量的5个组是0.07, 0.14，0.09，0.25，0.36，我是不建议你把为了有个单调的趋势，把0.14和0.09这两个组合并在一起的，假设你这个变量是你可以很大的自信认为，他就是越大客户质量越不好，那你合并我也不会劝你，但是再你拿不定这个变量是不是这种情况的时候，不要合并，检查一下是不是客户的通过率造成这种问题。

所以，最好的每个变量的woe单调最好，但是如果不单调，业务解释上过得去的呈现u字型的也是可以的。

6

6、 为什么我的随机森林过拟合？

随机森林回过拟合是常有的事，只是说能不能让他不要太过了，建议如下：

1、不要种那么多棵树。

2、取数的时候，范围尽量广一些，我是觉得取建模数据时候，不要就取近一个月的数据，特别像我们这种大额贷款的，每年中旬的会比其他时候单量要多一些，数据的时间跨度建议是在半年到一年，两年就太多了。

3、可以分组之后再进入模型

4、还有其他我想不到的，期待大神来留言区解答。

屁屁sas数据分析

铭仔，一个做评分卡的钢铁直男。

屁屁，一个做评分卡的

95年少女。