风控比赛第一弹

1.金融风控比赛是典型的结构化数据挖掘比赛，通过表格化数据进行特征提取，目标编码，选择模型实现风险用户识别。
2.特征提取方面，除了常见的特征构造加减乘除，利用NLP的知识实现目标编码逐渐体现出优势，如：TF-IDF,Word2vector,都表现出了较好的优势。
3.模型选择方面，LightGBM,Catboost,Xgboost都表现较好，前两者运行更快，且能自动处理类别特征，处理缺失值。由于是决策树算法，通常在研究单个特征时，不需要进行归一化处理，但是在cross时需要考虑归一化。
4.模型的融合可以采用stacking，blending,相比而言blending是通过加权平均获取结果，staking方法相互学习，效果更好，但也更容易出现过拟合问题。
5.以天池的零基础金融风控为例做一个介绍：
（1）120W条信贷数据，80W条训练，20W条A榜测试，20W条B榜测试。
（2）数据方面只有一个用户基本信息，没有用户的操作信息，交易信息，较为简单，这导致无法对用户的交易记录，操作记录进行目标编码。
（3）评分方面使用了AUC指标。