一、風險模型

1）在抽取樣本的時候，最少需要有兩期表現(xiàn)才可以，逾期超過15的label=1，逾期小于5天的label=0，因為逾期小于5天的有些可能是因為忘記的，意愿上并不愿意真正逾期。正負樣本比例，不一定非得按自然分布來，逾期樣本可以適當多一些，這樣更能準確反映負樣本的信息。

2)如何根據(jù)測試樣本的score分數(shù)劃線篩選客戶呢？(前提：測試樣本共計13400個，其中1142個逾期的，逾期率為8.5%)

• 根據(jù)score分進行排序，由高到底進行排序，高分的代表風險高。
• 取風險最高的top12%的用戶，約1623個，逾期347個，占比26%左右,占整個逾期比例為30.3%。也就說根據(jù)測試樣本結果，如果按風險最高的top12%劃風險線，線為0.246，則可以篩選出30.3%的逾期客戶。
• 取風險最高的top21%，約2811個，逾期501，占比17.8%,占整個逾期43.9%。
• 從2和3得出，取top12%的時候，里面篩選的逾期比例26%高于top21%的17.8%，所以按top12%篩選合適，因為如果按21%篩選了，雖然絕對逾期人數(shù)篩選出來更多了，但是相對逾期客戶比例少了，也就是后面增加9%的用戶性價比不如top12%的，冤枉了更多好人。

二、營銷模型

1）抽取樣本的時候，注冊或者進件的可以混在一起作為正樣本，比例可以按6:4，因為進件率基本就在40%左右。負樣本就是營銷無反應的那批客戶。

2）建模的時候，由于電話或短信營銷往往集中在幾天，所以負樣本就往往集中在一個月的幾天，比如抽取9，10，11月作為樣本，那負樣本都只集中在這三個月的中的某幾天，正樣本還分布比較均勻一些。這種情況的樣本，如果按時間排序分配test、valid、train，經(jīng)實際測驗發(fā)現(xiàn)，會造成test的ks值高于valid，valid的ks值會高于train，不符合常規(guī)結果。其原因就是負樣本分布及其不均衡導致的，比如11月的負樣本在1，2，3三天，這樣造成test的樣本集里面，負樣本可能沒有，或者占比一點點。解決辦法就是打散了隨機分配三種樣本，比例還可以是6：2：2。

這個也是告訴我們，正負樣本比例在train，valid，test三個集里面一定要一致切相對均衡。

?

三、營銷聯(lián)合建模案例一（BJ）

在進行營銷建模的時候，正負樣本各10萬，PR曲線和KS曲線分別出現(xiàn)了如下奇怪的圖形，此時KS=0.34，auc=0.71，top35recall=0.51：

如上圖PR曲線和KS曲線均出現(xiàn)了斷崖式的奇怪形狀，而且ROC曲線前部分還可以，后半部分接近直線了，也比較一般。經(jīng)過看人數(shù)分組和分數(shù)分組才發(fā)現(xiàn)，是有將近1.8萬人最后預測的分數(shù)一模一樣，這就很奇怪了，怎么會這么多人分數(shù)一模一樣呢？

把1.8萬人提出來分別看各個特征才發(fā)現(xiàn)，原來這部分人的所有特征都為NULL，也就是與第三方撞庫的時候沒有匹配上，而在建模前也沒有剔除這部分用戶。剔除這部分用戶后曲線一切變正常了，此時KS=0.466,AUC=0.792,top35%recall=0.554，如下：

? ? 總結：

?　　1）建模前一定要把缺失率非常高的用戶剔除掉，尤其接近100%缺失率的用戶，否則影響模型效果。

? ? ? ? 2）曲線不正常了，一定要細細分析一下什么原因，往往都是數(shù)據(jù)有問題造成的，通過曲線異常能幫助找出數(shù)據(jù)的問題。

?

轉(zhuǎn)載于:https://www.cnblogs.com/gczr/p/10105971.html

總結

以上是生活随笔為你收集整理的联合建模心得的全部內(nèi)容，希望文章能夠幫你解決所遇到的問題。

如果覺得生活随笔網(wǎng)站內(nèi)容還不錯，歡迎將生活随笔推薦給好友。