作者：小伍哥

來(lái)源：小伍哥聊風(fēng)控

本文重點(diǎn)：風(fēng)控策略挖掘、策略推薦，策略發(fā)現(xiàn)，風(fēng)控策略自動(dòng)化，決策樹(shù)

下面開(kāi)始正文：

風(fēng)控策略同學(xué)在挖掘有效的風(fēng)控規(guī)則的時(shí)候，經(jīng)常需要基于業(yè)務(wù)經(jīng)驗(yàn)，將那幾個(gè)特征進(jìn)行組合形成風(fēng)控策略，會(huì)導(dǎo)致在特征組合的時(shí)候浪費(fèi)大量的時(shí)間，我們有沒(méi)有什么方法，替代人工的分析，直接得出策略組合呢，決策樹(shù)就是其中的一個(gè)選擇，可以實(shí)現(xiàn)自動(dòng)化的挖掘大批量的策略組合。

在眾多的算法中，決策樹(shù)整體分類(lèi)準(zhǔn)確率不高，但是部分葉子節(jié)點(diǎn)的準(zhǔn)確率卻可以很高，因此我們可以提取決策樹(shù)的葉子規(guī)則，并篩選準(zhǔn)確率比較高的葉子節(jié)點(diǎn)，作為風(fēng)控策略挖掘手段，并進(jìn)行策略推薦，替代人工或者輔助人工，大大提高策略發(fā)現(xiàn)的效率于效果。

本文介紹了如何在風(fēng)控策略中使用決策樹(shù)算法來(lái)挖掘有效的規(guī)則，并會(huì)分享自己編寫(xiě)的提取函數(shù)，此套代碼會(huì)在極短的時(shí)間挖掘上千條規(guī)則，快速且有效，目標(biāo)就是：風(fēng)控策略自動(dòng)化，然后干掉自己。

策略節(jié)選

一、數(shù)據(jù)說(shuō)明及讀取

1、數(shù)據(jù)集信息

數(shù)據(jù)從真實(shí)場(chǎng)景和實(shí)際應(yīng)用出發(fā)，利用個(gè)人的基本身份信息、個(gè)人的住房公積金繳存和貸款等數(shù)據(jù)信息，來(lái)建立準(zhǔn)確的風(fēng)險(xiǎn)控制模型，來(lái)預(yù)測(cè)用戶(hù)是否會(huì)逾期還款。一共提供了40000帶標(biāo)簽訓(xùn)練集樣本，數(shù)據(jù)僅有一張表，一共有19個(gè)基本特征，且均不包含任何缺失值。

2、數(shù)據(jù)屬性信息

標(biāo)簽：label是否逾期（是 = 1，否 = 0）。

特征：包含以下19個(gè)變量，名稱(chēng)和含義如下。

3、讀取數(shù)據(jù)

#數(shù)據(jù)讀取import pandas as pdimport numpy as nppd.set_option('display.max_columns', None)#顯示所有的列path = '/Users/wuzhengxiang/Documents/DataSets/RizhaoGongJiJin/train.csv'train = pd.read_csv(path).fillna(-1)train.columnsIndex(['id', 'XINGBIE', 'CSNY', 'HYZK', 'ZHIYE', 'ZHICHEN', 'ZHIWU', 'XUELI', 'DWJJLX', 'DWSSHY', 'GRJCJS', 'GRZHZT', 'GRZHYE', 'GRZHSNJZYE', 'GRZHDNGJYE', 'GRYJCE', 'DWYJCE', 'DKFFE', 'DKYE', 'DKLL', 'label'], dtype='object')

train.head()#查看前面的數(shù)據(jù) id XINGBIE CSNY HYZK ZHIYE ZHICHEN ZHIWU XUELI DWJJLX