本文探讨了金融行业toC授信模型，以芝麻信用为例，结合游戏付费数据分析，如欢乐斗地主。重点介绍了数据变量的衍生、离散化、相关性过滤等预处理步骤，以及卡方检验、F检验、互信息等特征选择方法。同时，解释了ARPU、ARPPU、CPM、CPC和ROI等关键指标在金融和游戏领域的应用，并涉及用户流失分析和传统销售行业的数据分析案例。
数据变量：原始变量（如每天交易额）和
衍生变量，一般三种
1，时间维度衍生，如最近1个月交易额
2，函数衍生，最大最小交易额，交易额方差
3，比率衍生，最近一个月交易额
数据处理：所有的数据处理，数据建模，都是为业务服务的
离散化：
相关性过滤：
方差挑选完毕之后，我们就要考虑下一个问题：相关性了
希望选出与标签相关且有意义的特征
三种常用的方法来评判特征与标签之间的相关性：卡方，F检验，互信息。
字符性字段离算化：
数据标准化
建模前思考：建模前一定要把业务目标理一理，这样才能找到用什么模型
加权平均数
最低0.47元/天 解锁文章
被折叠的 条评论
为什么被折叠?
到【灌水乐园】发言
