APP设备数据的特征衍生与模型应用

是 否 +2 论坛币

k人 参与回答

经管之家送您一份

应届毕业生专属福利!

求职就业群

赵安豆老师微信：zhaoandou666

经管之家联合CDA

送您一个全额奖学金名额~ !

立即领取

感谢您参与论坛问题回答

经管之家送您两个论坛币！

+2 论坛币

在信贷风控领域众多维度的数据源中，APP设备数据对于策略规则的开发、模型变量的筛选有着重要的贡献，理由是在当今电子信息化时代，APP数据可以较全面地反映出用户的个人习惯、日常行为等综合信息。因此，金融机构在开展个人信贷产品的实际业务中，当评估用户的信用能力或风险程度时，通过数据分析挖掘并利用APP维度数据的价值，可以有效提升的风控策略或模型的决策性能。

本文以APP设备部分维度数据为例，介绍下APP数据的常见业务类型，以及加工逻辑与分析方法。同时，结合Python编程语言代码实操，通过相关特征工程、模型训练等算法，评估特征字段的应用效果。

1、样本数据概况

现有一份APP样本数据，示例如图1所示，样本量为20000条，特征量为18个。除了用户主键id、贷后标签flag之外，其余均为APP设备相关字段，包括社交类、理财类、游戏类等不同维度变量，具体特征字段表如图2所示。

[backcolor=rgba(18, 18, 18, 0.5)]​

编辑切换为居中




添加图片注释，不超过 140 字（可选）

                                                                       图1: 样本数据示例

[backcolor=rgba(18, 18, 18, 0.5)]​

编辑切换为居中




添加图片注释，不超过 140 字（可选）

                                                                           图2:  特征字典表

2、特征衍生分析

为了提升模型训练的拟合效果，特征字段的性能评估与变量筛选是一项重要环节，具体可通过变量的区分性、相关性、稳定性、解释性等多个维度进行考虑。现根据样本特征的分布情况，采用IV值评估字段的区分能力，实现代码与结果指标分别如图3、图4所示。

[backcolor=rgba(18, 18, 18, 0.5)]​

编辑切换为居中




添加图片注释，不超过 140 字（可选）

                                                                图3:  特征变量分箱

[backcolor=rgba(18, 18, 18, 0.5)]​

编辑切换为居中




添加图片注释，不超过 140 字（可选）

                                                               图4:  原始变量指标IV




从特征字段的IV值结果来看，样本所有字段的区分效果普遍表现较差。当然，若在样本数据不更换的情况下，为了有效完成数据建模任务，还需从中选择性能较好的字段放入模型拟合变量池。但是，从上表信息可知，如果以IV>=0.015作为筛选标准，区分度效果较好的字段仅有4个，分别为App_Tot_Cnt_H（历史App总数量）、App_Fin_Cnt_L6（最近6个月理财类App总数量）、App_Fin_Cnt_H（历史理财类App总数量）、App_Game_Cnt_H（历史游戏类App总数量）。

为了保证模型训练有更多的变量可选，基于样本原始特征字段，可以进行特征衍生加工，以扩大模型变量池范围，有效提升模型的拟合效果。结合图2样本所有字段的分布类型，具体衍生方法可以通过统计学维度进行新变量的加工，包括平均、占比、差分、差比等。现根据这几个常见方式，举例实现特征变量的衍生，部分代码如图5、图6所示。

[backcolor=rgba(18, 18, 18, 0.5)]​

编辑切换为居中




添加图片注释，不超过 140 字（可选）

                                                                  图5 : 特征衍生代码1

[backcolor=rgba(18, 18, 18, 0.5)]​

编辑切换为居中




添加图片注释，不超过 140 字（可选）

                                                         图6 : 特征衍生代码2




根据以上特征衍生方式，最终得到新变量字段的具体情况如图6所示，详细展示出变量的名称与标签。新加工的变量共个，按照图3代码可以同步得到各字段的IV信息值。当然，特征衍生方法还有很多，除了统计学维度，还可以通过特征聚类、主成分分析（PCA）等算法进一步补充。在实际业务中，往往从多个维度进行综合考虑与加工，但无论采用哪种方式，一定要结合业务场景和逻辑理解。

[backcolor=rgba(18, 18, 18, 0.5)]​

编辑切换为居中




添加图片注释，不超过 140 字（可选）

                                                               图7:  特征衍生变量1

[backcolor=rgba(18, 18, 18, 0.5)]​

编辑切换为居中




添加图片注释，不超过 140 字（可选）

                                                                  图8:  特征衍生变量2




从以上新衍生特征的分布来看，我们在16个原始APP字段的基础上，经过衍生加工出48个新的字段。而且，各个字段的标签含义是非常贴近实际业务的，具有比较强的场景分析意义的。此外，从个字段的IV结果了解到，与原始特征（图4）相比，有部分新字段的IV表现尚可，可以放入模型拟合的变量范围。我们现以IV>=0.01作为选择标准，对衍生的新特征进行筛选，同时加上原始效果相对性较好的几个字段，得到如下图8所示的模型拟合变量池，共包含21个特征变量，其中原始字段有7个，衍生特征有14个。

[backcolor=rgba(18, 18, 18, 0.5)]​

编辑切换为居中




添加图片注释，不超过 140 字（可选）

                                                              图9:  模型拟合变量池




3、模型训练评估

我们根据图8的APP特征变量，采用逻辑回归算法对模型进行训练，并输出相关模型性能指标，具体代码如图9所示。

[backcolor=rgba(18, 18, 18, 0.5)]​

编辑切换为居中




添加图片注释，不超过 140 字（可选）

                                                                 图10:  模型拟合训练




当APP模型训练成功后，可以输出相关模型指标，例如模型准确率、AUC、KS等，如图10所示。

[backcolor=rgba(18, 18, 18, 0.5)]​

编辑切换为居中




添加图片注释，不超过 140 字（可选）

                                                             图11: 模型评估指标




本文关于APP设备数据特征衍生与应用的实操，详情请看：

[backcolor=rgba(18, 18, 18, 0.5)]​

编辑切换为居中




添加图片注释，不超过 140 字（可选）




我们还给大家准备了相关的实操数据集跟代码，详情大家可以移步至知识星球查看相关的内容：

[backcolor=rgba(18, 18, 18, 0.5)]​

编辑切换为居中




添加图片注释，不超过 140 字（可选）

~原创文章

...

end

扫码加我 拉你入群

请注明：姓名-公司-职位

以便审核进群资格，未注明则拒绝

分享0 收藏0 回帖

关键词：App Python编程 python 主成分分析 Back