stacking模型融合_模型实际过程中坏样本过少解决思路

说到负样本少，大家肯定会想到用拒绝推断方法来做，但又发现效果很差。或者用平衡正负样本方法再模型校准思路来建模，发现负样本才几百个，模型难度大。常用拒绝推断思路（误导人的思路）：

其实大家都尝试过，但效果不好。我就给大家重头至尾缕缕思路与创新方法。

首先低利率24以下，vintage30天需控制在3以内，且要在不稳定信贷环境有抗风险能力的策略，肯定误杀较多。这里的误杀指，在目前信贷环境下，在观察期一年内是好客户，但有可能超观察期不久就坏的坏客户，如果环境变差 就是在观察期内变成坏客户。同时这里误杀也是指有高利率网贷产品客户 。所以此类产品本身坏客户比率低于2个点，根据滚动率以及目前不景气的行情 （催收难度恶化），我们选择FPD超15天定义坏客户。

实际过程中，我们流程：反欺诈规则、反欺诈模型、信用评分规则、信用评分模型，反欺诈领域采用各类模型，由于信用评分规则（人行征信 DTI等）在前，随着时间推移 模型迭代，导致幸存者偏差（坏样板比率极低）。所以实际中，把信用评分模型放在信用评分规则之前，先剔除评分过低客户后，进入误杀较高的信用评分规则，这样目的有利于：1、为策略不断优化，提供了良好的参考，比如某组合策略 对应变量笛卡尔乘积象限的坏客户比率分布，各区间的评分分布。2、优化拒绝推断，可以确定策略中拒绝客户中DTI 还款能力差的客户為坏客户，重新训练模型后，对排序性检验，同时对增加样本模型评分合理性人工检验，去除评分较高的样本后再次建模（评分高还款能力差负债高的客户 不符合业务逻辑），此方法解决了部分幸存者偏差的问题，因为此类拒绝客户不多。

解决负样本过少方法：1、先跑评分模型，再跑规则。优化拒绝推断 。2、GMM高斯混合模型，BIC选择最优聚类数，采用GMM生成新样本，加入模型训练。3、LGB清洗样本，剔除噪声样本后，smote生成样本再次建模。 4、代价敏感学习，增加坏样本权重。 后面三种方法，梅老师《智能风控》有详细论述。

当然有朋友提出KFOLD算法、stacking模型融合算法，其实这些笔者都试过。其实解决坏样本过少模型核心就是：根据业务逻辑把拒绝样本中 可以确定的坏样本加入模型，人工增加坏样本，当然人工增加坏样本是基于某些重要的变量指标，然后敏感代价学习方法。 模型调整建完后，调整原先策略，把一些重要性低 置信度降低的策略，放宽。

欢迎大家参与讨论，提出新方法。欢迎踊跃留言。