做过模型的童鞋都知道，建模就是流水线的工种。在整个流水线中，我们梳理了有两个模型"最"需要注意的内容，分别是"最关键"与“最容易犯错"。这两个问题自然也是各位新手建模童鞋，更应该了解清楚的内容。
最关键的一part，模型的特征筛选；
最容易犯错的一part，是模型的特征回溯。
首先提到特征，讲得浅白点就是描述某个客观事物的表象。比如风控模型使用的特征，常常包含特征有：征信、消费支付、多头借贷、设备类等特征。
先说这里的第一个"最"，最关键的特征筛选。目前，整体特征筛选的流程如下：
编辑切换为居中
添加图片注释，不超过 140 字（可选）
俗话说：数据决定了模型的上限，而模型只是逼近这个上限。下图表示为模型开发阶段和模型上线调用阶段的数据的使用逻辑。
编辑切换为居中
添加图片注释，不超过 140 字（可选）
在特征筛选中，只要把握好了模型中最重要的几类筛查指标就能做好80%的特征筛选工作，比如变量描述统计（缺失率/唯一值/分布占比）、变量稳定性PSI、变量区分度IV，以及各个指标的筛选阈值等。关于这几类模型指标如何筛选，我们有内容将会详细讲解。
说完第一个最，再来谈谈第二个最：模型最容易犯错—模型的特征回溯。
先搞懂啥是特征回溯。因为模型是在现在的时间点开发的，而回溯特征是在样本设计阶段之后的过程，所以常常需要追溯到它历史数据发生违约前的时间点，这样的特征才是有效特征。
既然存在数据回溯，就会发生数据穿越问题。所谓的数据穿越就是常常说的，用带有y特征的x去预测y（俗称用y预测x）这个内容也是很多做模型的同学，最常常容易犯的问题。举例说明，比如逾期次数，催收次数去预测逾期等。
那如何避免数据穿越呢？这里给大家提供常用的方法：
一点是观察点的使用（避免特征的统计时点出现在表现期）。
一般使用客户的三要素+观察点去进行回溯。特征的统计时点一定要在样本的观察点之前，否则就会出现数据穿越现象（借用客户未来的信息预测未来）。
更多详细内容，有兴趣的童鞋可关注：
编辑切换为居中
添加图片注释，不超过 140 字（可选）
...
~原创文章
-
-
-
-
-
-
-
-
-
-