PART 2.2 风控建模前数据预处理&清洗

最重要的事情开始都会讲：建模是始终服务于业务的，没有业务的评分卡就没有灵魂

广义数据预处理包括：数据清洗，数据集成（用户基础数据，外部第三方数据，埋点数据），数据变换（WOE）

类型

• 重复值

• 字段问题

• 空格

• 大小写不一致

• 多余符号

• 关键字

• 替换

• 缺失值

• 完全随机缺失（是随机的，数据的缺失不依赖于任何不完全变量或完全变量：设备出问题，导致缺失值，仅仅本身问题）

• 随机缺失（数据的缺失不是完全随机的，即该类数据的缺失依赖于其他完全变量。比如家里没有小孩，家里不愿意说小孩或者单身没有太太，即选项问题）

• 完全非随机缺失（数据的缺失依赖于不完全变量自身：富裕家庭不愿意提供，或者用户的确没有该数据，比如多头借贷）

• 处理方式：
  补缺（均值，最大值，最小值，拉格朗日差值）