风控规则挖掘:二维交叉表、多维决策树、Python实操...

规则策略是风控策略人员日常打交道的一项工作内容，如何有效挖掘出有价值的规则对于风险拦截至关重要。本次介绍除了单规则以外的，二维、以及多维规则的挖掘方法，内容节选自👉《100天风控专家》。

1.2. 交叉表的特点

• 与单变量规则相比，交叉表拥有更多的维度，对于客户风险评估更加准确。
• 与评分卡模型相比，交叉表虽变量维度少，但复杂度更低，迭代开发速度更快。
• 在所有的工具中，交叉表属于一种中间的形态，同时兼顾了维度和复杂度两点。

1.3. 交叉表的前置条件

2.1. 交叉表规则生成(1)：透视表

2.2. 交叉表规则生成(2)：计算指标

2.3. 交叉表规则生成(3)：制定和评估

1.sklearn决策树

• tree.DecisionTreeClassifier：CART分类树
• tree.DecisionTreeRegressor：CART回归树

X = df[df.columns.difference([yflag,'issue_d','address','emp_title','earliest_cr_line','title'])]y = df[yflag]# 划分数据集x_train,x_test,y_train,y_test=train_test_split(X,y,test_size=0.2,random_state=42)# 按照最优的方式分裂model=tree.DecisionTreeClassifier(criterion="gini",                                  splitter='best',                                  random_state=42,                                  max_depth=3,                                  min_samples_leaf=0.05,                                  min_samples_split=0.05)model = model.fit(x_train,y_train)dot_data=tree.export_graphviz(model,                              feature_names=X.columns,                              filled=True,                              rounded=True,                              out_file=None)graph=graphviz.Source(dot_data)graph

2.可视化更新

dot_data = tree.export_graphviz(tree_model)

3.Python代码实操

首先，也需要使用DecisionTreeClassifier或者DecisionTreeRegressor构建一个决策树模型对象。

X = df[df.columns.difference([yflag,'issue_d','address','emp_title','earliest_cr_line','title'])]y = df[yflag]# 划分数据集x_train,x_test,y_train,y_test=train_test_split(X,y,test_size=0.2,random_state=42)# 按照最优的方式分裂model=tree.DecisionTreeClassifier(criterion="gini",                                  splitter='best',                                  random_state=42,                                  max_depth=3,                                  min_samples_leaf=0.05,                                  min_samples_split=0.05)model = model.fit(x_train,y_train)

...

这里要我们设置的决策树深度为3，并且树结构生成完整，因此生成的规则中均包含3个变量，8条决策路径总共生成8条规则，具体如下：

规则是用来高风险客户的，因此先对精准率进行从大到小的排序，然然后再看命中率、召回率等是否符合要求。

--end--
从0到1的信贷风控训练营