一、風險模型
1）在抽取樣本的時候，最少需要有兩期表現才可以，逾期超過15的label=1，逾期小於5天的label=0，因為逾期小於5天的有些可能是因為忘記的，意願上並不願意真正逾期。正負樣本比例，不一定非得按自然分布來，逾期樣本可以適當多一些，這樣更能準確反映負樣本的資訊。
2)如何根據測試樣本的score分數劃線篩選客戶呢？(前提：測試樣本共計13400個，其中1142個逾期的，逾期率為8.5%)
二、營銷模型
1）抽取樣本的時候，註冊或者進件的可以混在一起作為正樣本，比例可以按6:4，因為進件率基本就在40%左右。負樣本就是營銷無反應的那批客戶。
2）建模的時候，由於**或簡訊營銷往往集中在幾天，所以負樣本就往往集中在乙個月的幾天，比如抽取9，10，11月作為樣本，那負樣本都只集中在這三個月的中的某幾天，正樣本還分布比較均勻一些。這種情況的樣本，如果按時間排序分配test、valid、train，經實際測驗發現，會造成test的ks值高於valid，valid的ks值會高於train，不符合常規結果。其原因就是負樣本分佈及其不均衡導致的，比如11月的負樣本在1，2，3三天，這樣造成test的樣本集裡面，負樣本可能沒有，或者佔比一點點。解決辦法就是打散了隨機分配三種樣本，比例還可以是6：2：2。
這個也是告訴我們，正負樣本比例在train，valid，test三個集裡面一定要一致切相對均衡。
三、營銷聯合建模案例一（bj）
在進行營銷建模的時候，正負樣本各10萬，pr曲線和ks曲線分別出現了如下奇怪的圖形，此時ks=0.34，auc=0.71，top35recall=0.51：
如上圖pr曲線和ks曲線均出現了斷崖式的奇怪形狀，而且roc曲線前部分還可以，後半部分接近直線了，也比較一般。經過看人數分組和分數分組才發現，是有將近1.8萬人最後**的分數一模一樣，這就很奇怪了，怎麼會這麼多人分數一模一樣呢？
把1.8萬人提出來分別看各個特徵才發現，原來這部分人的所有特徵都為null，也就是與第三方撞庫的時候沒有匹配上，而在建模前也沒有剔除這部分使用者。剔除這部分使用者後曲線一切變正常了，此時ks=0.466,auc=0.792,top35%recall=0.554，如下：
總結：
1）建模前一定要把缺失率非常高的使用者剔除掉，尤其接近100%缺失率的使用者，否則影響模型效果。
2）曲線不正常了，一定要細細分析一下什麼原因，往往都是資料有問題造成的，通過曲線異常能幫助找出資料的問題。
CATIA先進的混合建模技術
catia先進的混合建模技術 設計物件的混合建模 在 catia的設計環境中，無論是實體還是曲面，做到了真正的互動操作 變數和引數化混合建模 在設計時，設計者不必考慮如何引數化設計目標，catia提供了變數驅動及後引數化能力。幾何和智慧型工程混合建模 對於乙個企業，可以將企業多年的經驗積累到cati...
數學建模學習心得 建模教程
2.2準備電腦基本軟體 2.3 跟學校請假宣告 2.4 隊友分工 2.5 賽前說明 2.6 比賽場地 3 建模期間 我以國賽建模過程舉例 3.3 查重 3.4 及時交 4 建模全過程技巧 5 我的建模感受 6 推薦博文 7 結束語 前言 編輯初衷是教會我小夥伴兩三天上手基本的建模操作，因為建模有創新...
數學建模心得與總結
參加數學建模的 賽，是2019華為杯中國研究生數學建模，拿了國三。因為第一次參加，感覺已經十分的激動了。五一前兩天，小夥伴叫著一起參加五一建模聯賽，趕鴨子上架了。這次參賽完，感覺數學建模還有一定技巧性與方式方法的。可能畢業後就不會參加這模擬賽了，就這兩次參賽經驗，還是有必要總結總結回顧回顧的。最最重...