信用卡违约客户的预测模型的选择(一）相关技术介绍

在进行建模之前，前期需要准备的包括数据提取、清洗，字段验证选择，分类模型的选择。

• 变量处理方法

数据处理方法包括最小-最大规范化、标准化、特征化处理等，根据数据字段特点也可避免前期数据处理，直接借用挖掘函数计算。

最小-最大规范化，即归一化

proValue=(v-min(x))/(max(x)-min(x))，min(x),max(x)分别为v所在列的最小值和最大值。对数据进行归一化处理，即利用归一化处理将数据处理为0至1或-1至1之间的数据，归一化处理使得处理后的数据更加有利于预测准确性的提高，但是由于改变了数值的取值范围也增加了分类器的复杂度。

标准化处理，即规范化

proValue=(v-mean(x))/std(x)，mean(x)为v所在列的均值，std(x)为v值所在列的标准差，经过标准化处理将x序列转化为n(0,1)正态分布，由于受离散值得影响，均值mean(x)有时使用序列中位数median（x）替代。

在数据处理与训练数据集和测试数据集的划分优先级上，应首先进行数据集的划分。例如，如果对某数据集进行归一化，再按照比例进行测试集和训练集的划分，则两个数据集容易存在相关性，不利于对通过训练得到的权重进行检验，无法保证训练和测试的独立性。

• 变量筛选方法
  

特征选择

包括主成分分析和多因子分析。用于对多变量的降维，通过降维后将相关性强的变量组合为多类，代表一个因子或主成分。通过低维数据的分析来获得相应的高维数据特性,从而达到简化分析、获取数据有效特征以及可视化数据的目标。

向前选择法

首先增加一个变量，计算整个模型的F值和P值。继续增加变量观察模型F值和P值的变化，当增加后P值减小则保持该变量，当增加后P值增大则删除该变量。该方法较使用于线性分析、logisitic分析，通过衡量模型的预测值与实际值之间的误差变化，衡量模型的优劣，而误差的变化直接反应在P值的变化上。

向后选择法

从模型设计的全部变量开始，逐步剔除变量，观察模型的F值和P值，当P值小于显著性水平，则删除，否则保留。其中显著性水平一般取值在0.1左右，越小则模型越严格。

在实际的变量筛选中，一般还会涉及经验判断和相关性分析，根据客观事实和对事物的经验分析，选择重要变量，删除无关变量，可节省时间成本。一般在前期变量筛选之前会对变量之间进行相关性及同质性分析，对强相关变量进行组合处理。