今天的話題我們分為兩部分，一部分是在建模前提如何處理壞樣本過少的問題，第二部分是說模型建立之后，驗證你這模型的效果的方法。

?

首先樣本過少分成兩種過少的情況。一種是的的確確就是沒啥壞樣本，就是幾十個，一百來個。另外一種就是相對于好樣本，比較少，例如你有一百萬的好樣本，只有一萬的壞樣本，第二種就是屬于樣本不均衡的話題，這個網上的文獻也都有好多，我這里就不展開了。

?

樣本過少之我只有幾十個壞樣本。這種情況多數發生在產品剛上線的時候，沒啥數據，但是又覺得規則撐不住，所以還是想做模型來和規則一起來維穩，這時候你可以把這種情況當做冷啟動來處理，我之前講冷啟動的時候，提到一點點，這邊我們來細化一下可以有哪些方法。

?

放棄這僅有的樣本，重新尋找近似的壞樣本。為什么我說要放棄這僅有的樣本，如果是產品上線的初期，首先這時候你的風控不敢放松，容忍度較低，那么通過率相對較低，這是壞樣本少的一個方面，另外一個方面就是，本身產品剛上線的話，可能壞樣本就是近一個月進來產生的壞樣本，指不定就是逾期了3天，你就覺得他是壞客戶，這有些說不過去，所以這里有兩個點希望你放棄這批壞樣本：1、夠不夠壞，如果夠壞，那是不是剩十幾個了。2、壞樣本的覆蓋面不全，這個月進來的壞樣本的特征不能覆蓋到基本的壞樣本的特征，盡管可以擬合出來的模型在當下有用，但是后續還是有很大的可能會不穩定。

?

在第一點中我說希望你放棄壞樣本的理由，如果你的壞樣本不滿足第一天的條件，你可以不放棄的，我不想勸你。那么補充壞樣本可以有以下幾種方式：

?

1.其他數據的標準定義壞樣本。你們公司接了什么第三方數據我不知道，但是一般一般呢，不是粗暴放款的，至少都接了簡版征信，簡版征信中有好幾個逾期標準，舉個例子哈，五年內超過90天逾期的次數，點到為止，你自己在這份數據中衍生其他逾期標準。這思路就跟你找犯人的時候，把之前有前科的人抓出來掃一遍一樣。

?

2.使用其他數據閾值切分壞樣本。我又要拿我喜歡拿出來舉例子的數據----多頭數據，這個方法跟警察抓嫌疑犯一樣，雖然我沒看到你明顯犯罪了，但是我覺得你有動機。可以使用多頭的數據中，你們不能容忍的超過幾次的閾值，例如近一個月超過20次，那么等于大于20次的客戶就是壞客戶。

?

3.物以類聚法或者專家評分卡。根據你的經（感）驗（覺）找出幾個跟客戶逾不逾期的強相關變量，最好是數值型的變量，這時候可以把那之前提到的那幾十個壞樣本，使用聚類（建議knn）找出，哪一類的壞樣本的占比最高的，把這個類的樣本就當做壞樣本。后者使用專家評分卡，找出專家評分卡下分數比較低的那5%-10%。

?

4.使用人工標準。那么我們在審批環節中（假設你們還是有人工介入的），這時候可以概括兩種拒絕的人：1、系統拒絕，2、人工拒絕。那么系統拒絕的客戶，你可以定義為，他一出來，你一眼就知道他是壞人，人工拒絕的客戶，你可以理解為，這貨一路偽裝了好多東西，但是最后被你們公司高端的審批高超的話術征服了，道出了他想犯罪的想法，然后你叫他滾，然后他犯罪不遂，但是沒有你們高端的審批，這個人就可能變成你們公司的壞客戶。那么這里說一個問題，就是公司做模型是為了什么，為的節省人力，最理想的狀態就是風控的各個環節可以讓90%的客戶完成審核審批，10%人工核驗，你們要是有種100%風控系統全自動審批，我也不攔你。所以你這時候，你就發現，你頂著風控建模師的職稱，你的工作就變成把這本應人工拒絕的客戶變成你的模型能拒絕的，所以人工拒絕的客戶就變成你的壞客戶了，這些思路順著下去，你可以分析出更多適合你的模型的壞客戶。

?

5.無監督建模。這個方法是區別于以上四個方法，以上都是在說怎么找出壞樣本，因為我們要做監督模型，那么要是你有種一點，你跟領導說，我覺得我做無監督的效果也可以做的很牛逼，這我也不攔你的，畢竟建模的思維本來就是擴散，這個就有個問題就是說，如果是無監督的話，那么可能部署到系統上是個問題。

總結

以上是生活随笔為你收集整理的【待继续研究】建模-听说你的坏样本不太够的全部內容，希望文章能夠幫你解決所遇到的問題。

如果覺得生活随笔網站內容還不錯，歡迎將生活随笔推薦給好友。