18禁成人天堂,亚洲欧美熟妇久久久久久久久 ,殴州亚洲视频,三级黄色免费网站,婷婷五月在线视频,殴美肏屄视频免费看,国产肉体ⅩXXX137大胆图片,草草视频在线观看

向AI轉(zhuǎn)型的程序員都關(guān)注了這個號??????

機器學(xué)習(xí)AI算法工程?? 公眾號：datayx

隨著監(jiān)管政策步入關(guān)鍵落地期，受合規(guī)監(jiān)管標(biāo)的限額影響，曾備受追捧的大額標(biāo)的逐漸消失，小額分散的車貸業(yè)務(wù)成為網(wǎng)貸平臺轉(zhuǎn)型的主要方向之一。車貸資產(chǎn)由于進(jìn)入門檻低、借款額度低、流動性高、限期短等優(yōu)點，但做好風(fēng)險防控依然是行業(yè)的主要問題之一。

國內(nèi)某貸款機構(gòu)就面臨了這樣的難題，該機構(gòu)的借款人往往拖欠還款或拒不還款，導(dǎo)致該機構(gòu)的不良貸款率居高不下。面對如此頭疼的問題，該機構(gòu)將部分貸款數(shù)據(jù)開放，誠邀大家?guī)椭麄兘L(fēng)險識別模型來預(yù)測可能違約的借款人（敏感信息已脫敏）。

任務(wù)

給定某機構(gòu)實際業(yè)務(wù)中的相關(guān)借款人信息，包含53個與客戶相關(guān)的字段，其中l(wèi)oan_default字段表明借款人是否會拖欠付款。任務(wù)目標(biāo)是通過訓(xùn)練集訓(xùn)練模型，來預(yù)測測試集中l(wèi)oan_default字段的具體值，即借款人是否會拖欠付款，以此為依據(jù)，降低貸款風(fēng)險。

數(shù)據(jù)說明

總數(shù)據(jù)量超過25w，包含52個特征字段。

可以看到，這個做的是車貸違約預(yù)測問題，參賽選手們需要建立風(fēng)險識別模型來預(yù)測可能違約的借款人。數(shù)據(jù)量的話還是可以的，其中訓(xùn)練集15w，測試集3w

包含52個特征字段，各個字段主辦方也是給了相應(yīng)的解釋
評估指標(biāo)：F1 Score

所以，其實可以很快的寫出一個baseline來。

解題思路

這種偏數(shù)據(jù)挖掘的比賽的關(guān)鍵點在于如何基于對數(shù)據(jù)的理解抽象歸納出有用的特征，因此，我一開始做的時候，并沒有想著說去套各種高大上的模型，而是通過對數(shù)據(jù)的分析去構(gòu)造一些特征。如果不想往后看代碼的話，我在這一章節(jié)會簡單把我的整個方案講一下：

正負(fù)樣本分布：可以看到這道題的正負(fù)樣本比為 82:18 這樣，在風(fēng)控里面其實已經(jīng)屬于正負(fù)樣本分布較為平衡的數(shù)據(jù)了，所以我在比賽中，并沒有刻意的去往正負(fù)樣本不平衡這塊去做，有做了一些過采樣的嘗試，但效果反而不增反降
特征工程：

首先我一開始就發(fā)現(xiàn)有很多ID類的特征，然后我就基于這些ID類特征做了一些target encoding特征，這些簡單的特征 + 樹模型就已經(jīng)0.583了，能讓我前期一直處在Top 10；
而后，從業(yè)務(wù)角度構(gòu)造了一些諸如：主賬戶和二級賬戶的年利率特征（因為往往銀行的利率表現(xiàn)了其對用戶的信用預(yù)測）；從數(shù)據(jù)分布角度對一些金額類的特征做了些分箱操作；再從特征本身的有效性和冗余角度出發(fā)，剔除了一些毫無信息量的特征，比如貸款日期等。這時，我們可以做到0.587這樣的水平；
然后，在一次誤打誤撞的模型訓(xùn)練時，我誤把客戶ID放進(jìn)模型中去訓(xùn)練了，結(jié)果我發(fā)現(xiàn)似乎還對模型性能有一定提升？那我這時候的想法是：這一定是由于欺詐有些集中性導(dǎo)致的，黑產(chǎn)可能在借貸銀行（where）或借貸時間（when）上存在一定的集中性，而這種集中性一方面可以通過branch_id/supplier_id/manufacturer_id等反映出來，另一方面，本身客戶的customer_id也是可以體現(xiàn)時間上的集中性，因此，我又基于這個點構(gòu)造了近鄰欺詐特征，這時候我們就能做到0.589了；

模型選取：

正負(fù)樣本分布：可以看到這道題的正負(fù)樣本比為 82:18 這樣，在風(fēng)控里面其實已經(jīng)屬于正負(fù)樣本分布較為平衡的數(shù)據(jù)了，所以我在比賽中，并沒有刻意的去往正負(fù)樣本不平衡這塊去做，有做了一些過采樣的嘗試，但效果反而不增反降
特征工程：

首先我一開始就發(fā)現(xiàn)有很多ID類的特征，然后我就基于這些ID類特征做了一些target encoding特征，這些簡單的特征 + 樹模型就已經(jīng)0.583了，能讓我前期一直處在Top 10；
而后，從業(yè)務(wù)角度構(gòu)造了一些諸如：主賬戶和二級賬戶的年利率特征（因為往往銀行的利率表現(xiàn)了其對用戶的信用預(yù)測）；從數(shù)據(jù)分布角度對一些金額類的特征做了些分箱操作；再從特征本身的有效性和冗余角度出發(fā)，剔除了一些毫無信息量的特征，比如貸款日期等。這時，我們可以做到0.587這樣的水平；
然后，在一次誤打誤撞的模型訓(xùn)練時，我誤把客戶ID放進(jìn)模型中去訓(xùn)練了，結(jié)果我發(fā)現(xiàn)似乎還對模型性能有一定提升？那我這時候的想法是：這一定是由于欺詐有些集中性導(dǎo)致的，黑產(chǎn)可能在借貸銀行（where）或借貸時間（when）上存在一定的集中性，而這種集中性一方面可以通過branch_id/supplier_id/manufacturer_id等反映出來，另一方面，本身客戶的customer_id也是可以體現(xiàn)時間上的集中性，因此，我又基于這個點構(gòu)造了近鄰欺詐特征，這時候我們就能做到0.589了；

模型選取：

前期，我一直是用的LightGBM，然后也沒有很仔細(xì)的去調(diào)參（比如hyperopt/optuna等工具，我都沒有用），就很隨意（平平無奇的手動調(diào)參小天才）
后期，我開始嘗試其他的XGBoost/CatBoost/TabNet等模型，但是發(fā)現(xiàn)CatBoost和TabNet效果都不是很好，就沒有深入往下去鉆了（主要白天還是要上班的，因此精力有限，說是摸魚打比賽，但更準(zhǔn)確的說是熬夜打比賽）

閾值選?。?/span>由于該題是用F1 Score作為評判標(biāo)準(zhǔn)的，因此，我們需要自己劃一個閾值，然后決定哪些樣本預(yù)測為正樣本，哪些樣本預(yù)測為負(fù)樣本。在嘗試了不同方案后，我們的方案基于oof的預(yù)測結(jié)果，選出一個在oof上表現(xiàn)最優(yōu)的閾值，此時在榜上的效果是最佳的（千分位的提升）
融合策略：最后選定了兩個模型來融合，一個是LightGBM，一個是XGBoost（哈哈哈，就很土有沒有），然后，直接按預(yù)測概率加權(quán)融合的話效果是比較一般的，而按照其ranking值分位點化之后再加權(quán)融合效果會更好。效果而言，單模LGB最優(yōu)是0.5892，XGB是在0.5872這邊，按照概率加權(quán)最優(yōu)是0.59011，按照排序加權(quán)最優(yōu)是0.59038