风控比赛第五弹_风控比赛开源代码-CSDN博客

本文链接：https://blog.csdn.net/weixin_45996005/article/details/108825652

本文介绍了模型融合和特征工程中的几种有效策略，包括利用两套不同目标的特征工程提升模型鲁棒性和拟合效果、采用Wrapper特征筛选结合多种子单模融合的方法减少过拟合、以及通过采样差异融合增加模型的多样性。

摘要生成于 C知道，由 DeepSeek-R1 满血版支持，前往体验 >

模型融合：

不知不觉来到了模型融合，想到天池的风控好多天没有提交了，决定提交一下，最新成绩是0.7394，rank10。
说来惭愧特征工程方面就制作了一类欺诈率特征，总共10个，然后使用lgb跑了下0.7399（线上0.7387）cat跑了下0.73916，0.8和0.2加权融合0.7389（rank11），融模有2个万的收益，有点小，如何提升呢，回归下大神的思路。

模型融合和特征工程：

说这之前先谈下昨天下午的翼支付风控决赛答辩，全程看下来决赛里面还是有不少大佬的思路值得学习。在模型融合方面有些思路值得借鉴。

1.鲁棒性<——>拟合效果

源自南航晨阳大佬，也是目前排名第二的大佬0.7428的大佬。

解释：两套特征工程的构建，第一部分做的比较全面，重在提升模型的拟合能力，第二部分特征小而精重在提升模型的鲁棒性，通过特征筛选得到。两套特征两个模型交叉得到四个结果，指数加权融合确定最终结果，模型的拟合能力和稳定性都可得到比较好的保证。

2.wrapper特征筛选+多种子单模融合
在这里插入图片描述
源自福州大学两位大佬，使用wrapper方式进行特征筛选，再将剩下的特征放到下个模型中进行训练。多种子模型融合,这个方法乍听起来不靠谱，但实际上确实有助于降低单模型的过拟合增强鲁棒性的,使用5个随机种子进行5次训练结果取平均。

3.采样差异融合
融合的思想和集成树一样，源自差异的提升。除了模型的差异，特征工程的差异，还有一个采样差异融合。设置不同的行和列的采样差异来进行提升(源自科大小爱同学冲冲冲介绍，目前rank9)，这个问题具体实现有待进一步学习。与之类似的还有一个构造新表的问题（源自wo工睿佬翼支付rank1思路）。