以邏輯回歸為例，簡述一次建模過程的流程。0公式0**的梳理。
對於一般的監督學習而言，目標是首先要確認的。在這步甚至可以保留多個可能的目標變數（但是在每次建模中只使用乙個）。
當變數的缺失比例較高時，可以考慮直接棄用變數。缺失的問題是比較麻煩的：可能是由於客戶不願意錄入、錄入了但是儲存失敗甚至是取數時的失誤都可能導致缺失。
錯誤是指資料「不乾淨」。例如性別有三個取值，年齡超過1000歲等。
不平衡是指資料的分布偏的很厲害。這個問題比較隱蔽，而為了建立穩定的模型又是必須處理的問題。
缺失的處理完全是靈活的，可以有多重處理方法。
這步通常也會忽略。建模時視角是受限的，從模型執行的健壯性角度出發，最好事先宣告如果變數出現未見值的對映方式。
id變數用於後續結果的對齊。
target在很多地方都要用。
time在自動重建模型的時候有用。
變數的的目標率通常是在很大的幅度變化的（0.05%~50%），為了建模具有較好的可比性，通常會縮放在目標率為10%。
有些變數例如目標相關、質量不佳等都可以在此步去除。
驗證模型的泛化性。
首先需要確定元資料，後續才可使用演算法進行對應處理。
1.變數資料型別1：字元、數值
2.變數資料型別2：continuous、nominal、ordinal
3.變數角色（已確定）3：id、time、target
4.屬性個數
5.缺失率（已計算）
其他-待定
連續變數：c
離散變數：n、o
使用離散化方法將資料全部轉為離散型 c -> o , 所以變數只剩下n、o兩類；結果存在字典中備用。
對訓練集和驗證集都可以使用離散化字典轉化，字尾加上_dis。可以的話一開始就將資料變數名對映為x1~xn
一方面計算iv值，估計變數的價值。從0.02~0.2的變數比較適合建模。大於0.2的需要專門看一下。
計算iv值的過程中同步生成了woe字典，儲存下來。
應用woe字典，對離散化後的變數進行轉換。
使用層次聚類，將變數聚類為n類，每類取出乙個變數。確保這些變數沒有共線性。
使用lr對訓練集進行擬合，獲得模型引數。對於sklearn來說：
lr.coef_ : x1~xn的beta係數
lr.intercept_: 截距 beta0
使用訓練好的模型對驗證集進行同樣驗證。
先構造目標變數和**（列）的dataframe
設定判定閾值，計算混淆的基本樹tp、fp、tn、fn
計算精度（precision)衡量模型效率，敏感度(sensitivity)衡量模型戰果。
auc用於估計模型一般效能
ks用於估計模型的區分效能
lift模型產生的precision和sensitivity的估計
等級：使用風險等級，看起來更直觀
打分：更直觀
將變數的幾個變化過程做成乙個df,從原始值到離散值到woe值到分值的對應列。
用於變數的選擇分析。
建模雜談系列14 建模流程1 從資料開始
探索建模的流程和處理步驟。從資料 檔案的角度看，在整個建模過程中會發生什麼 2 檔案和變數的命名 3 持久化 檔案儲存 資料庫 4 引數的產生和管理 5 過程檔案的產生和管理 6 模型的產生和管理 7 報告檔案 從資料表開始 在乙個專案空間下，表的原始字段應該是固定含義的。例如name如果表示名字，...
建模雜談系列22 AI Squad 續
接著建模雜談系列10 ai squad討論ai團隊的構建，本次討論的基礎假設是 人的服務不可靠 由於人生活在社會中，除了本身的生物週期 生老病死 之外，社會環境的變化也會極大的影響到人的態度，進而影響到服務和合作。例如，a原來是個特別積極的員工，後來發現薪資跟不上，就特別消極。這個時候站在資本家的角...
建模雜談系列6 任務機制
思考兩個問題 要達成什麼樣的目標？有何意義 如何基於人 小團隊 完成？沒有目標也就無所謂了對錯，一般來說專案都應該有具體的目標。所以評估目標及其意義是重要的第一步，簡單來說也就是評估內外部環境，自身的強弱項 swot 夫未戰而廟算勝者，得算多也 未戰而廟算不勝者，得算少也。多算勝，少算不勝，而況於無...