金融风控项目复盘

目标：基于知识图谱，搭建一个二分类风控模型，来预测一个借款申请进件是否会逾期。

本项目提供了以下的数据文件：
—person.txt：申请人实体数据3000条， 包含了每个申请人的属性，包括姓名、年龄、电话、黑白名单标志等字段
—phone.txt：电话号码实体数据20000条，每一件记录标记给定的电话号码是否在黑名单里
—phone2phone.txt：通话记录关系数据163万，详细的通话记录，包括主叫、被叫、通话开始时间和结束时间等字段
—apply_train.txt：进件信息实体数据5590条，模型训练样本集，最后一个字段是进件的状态，这个数据用于训练模型
—apply_test.txt：进件信息实体数据1400条，模型测试集，里面没有进件状态，这个数据用于测试模型

对数据中的几个属性做简单说明：
—amount：申请人所申请的贷款额度
—term：还贷期限（比如20个月）
—status：进件状态，对于一个进件，可能有多种状态，OVERDUE（逾期），IN_PROGRESS（正在审核中），RETURNING（偿还中），REPAID（已偿还）。为了方便起见，我们把OVERDUE以外的状态都看成正常状态。
—flag：黑/白名单标志
—apply_train.txt中的applicant申请人ID字段，是与person.txt中的申请人ID相对应的
—phone.txt中的电话号码部分存在于person.txt中（即phone.txt中的电话号码与person.txt中的电话号码有部分交集）

题目：请根据给定的上述数据，搭建知识图谱，根据图谱设计一套有效的风控特征，然后利用提取出的特征向量，选择合适的二分类（逾期/非逾期）预测算法，训练出分类模型，并用该模型对测试数据进行分类，给出测试结果，以及模型的衡量指标结果。

具体建模流程

1. 导入mysql并分析数据,分析其中的关系得：
   (1) people节点与apply节点之间有fill关系；
   (2)apply节点与phone节点之间有parent_phone、colleague_phone、company_phone等关系；
   (3）people与phone之间有has_phone的关系；
   然后通过上述关系，进而可推得如下的关系：
   (4)parent_phone的持有人与进件的申请人为parent_of关系，同理可推得colleague_of关系；
   (5)通过通话记录可推得两个people节点之间的known关系。
   知识图谱关系图：
2. 数据清洗处理 (pre_deal_data.py)
   查看是否有缺失值，异常值，对其进行处理

• 删除：针对缺失值所在行(前提是缺失行的比例非常低，如5%以内) 或删除缺失值所对应变量（前提是该变量中包含的缺失值比例非常高，如70%左右