调参侠的博客

评分卡模型构建学习目标• 掌握KS值的计算方法• 知道评分映射方法• 知道XGBoost和LightGBM基本原理• 掌握使用lightGBM进行特征筛选的方法• 应用toad构建评分卡模型1 模型构建流程1.1 实验设计• 新的模型能上线一定要比原有方案有提升，需要通过实验证明冷启动 业务初期 成长期 波动期 策略调整 新增数据源人工审核 人工审核 新旧模型对比 新旧模型对比 避免迭代模型 新旧模型对比。

K近邻原理

一，随机森林随机森林是一个用随机方式建立的，包含多个决策树的集成分类器。其输出的类别由各个树投票而定（如果是回归树则取平均）。假设样本总数为n，每个样本的特征数为a，则随机森林的生成过程如下：从原始样本中采用有放回抽样的方法选取n个样本； 对n个样本选取a个特征中的随机k个，用建立决策树的方法获得最佳分割点； 重复m次，获得m个决策树； 对输入样例进行预测时，每个子树都产生一个结果，采用多数投票机制输出。随机森林的随机性主要体现在两个方面：数据集的随机选取：从原始的数据集中采取有放回的抽