构建好模型的基础是定义清楚好坏样本,这需要从项目需求中定义问题、定义标签、选择合适的数据集。本文将从支付和信贷角度,对比分析不同行业在建立模型时因变量Y确定的差异。
一、明确问题
在建模比赛中,通常直接给出了建模可用的数据集,并定义了标签和评估样本集。在实际业务中,我们需要明确项目的背景和目标,根据具体情况定义预测目标和设计方案。通常需要仔细斟酌,否则基于错误的问题定义,模型训练越好,结果可能越糟糕。
比如在信贷领域,我们可以定义问题为:预测一笔信贷借款在放款3个月内逾期超过30天的概率。显然,在实际情况中,这样的定义可能有些人会提出质疑。比如:
①对于有些产品,一个申请人可以借多笔借款,每次借款可能有不同的风险表现。到底是以订单维度去建模好一些,还是客户维度?
②为什么要预测放款3个月内逾期的风险?如果是12期的产品,为什么不选择6个月、9个月等?
③为什么预测的是逾期超过30天的概率,而不是60天、90天?如果客户逾期超过30天,但截至统计时已还款,如何处理?
④是否需要划分不同客群分别建模?