在應(yīng)用科學(xué)領(lǐng)域，算法的選擇和應(yīng)用是一個(gè)復(fù)雜的問(wèn)題，它涉及到數(shù)學(xué)、工程和業(yè)務(wù)策略等多個(gè)方面。這篇文章，我們來(lái)看看算法的增益、部署問(wèn)題、線(xiàn)性與非線(xiàn)性模型的選擇，以及樹(shù)模型和神經(jīng)網(wǎng)絡(luò)算法的適用場(chǎng)景。

其實(shí)，在應(yīng)用科學(xué)領(lǐng)域，這是最微不足道的。

AI，就是數(shù)學(xué)的游戲，這不能算貶義，因?yàn)閿?shù)學(xué)真的是皇冠。

算法帶來(lái)的超額效果很小。除了邏輯回歸復(fù)雜度較低之外，xgb、lgb，神經(jīng)網(wǎng)弱等學(xué)習(xí)能力都很強(qiáng)，算法的增益幾乎可以忽略不計(jì)。

選擇算法，最重要的是考慮部署問(wèn)題。如果你們工程上只會(huì)邏輯回歸的線(xiàn)性計(jì)算，那你就只能選邏輯回歸。選擇別的算法，要先解決工程問(wèn)題。但其實(shí)都好解決，也不好解決，主要看系統(tǒng)能力，其次看個(gè)人能力。

從線(xiàn)性和非線(xiàn)性的角度說(shuō)吧，邏輯回歸當(dāng)然是線(xiàn)性的，神經(jīng)網(wǎng)絡(luò)和樹(shù)模型是非線(xiàn)性的。這個(gè)問(wèn)題帶來(lái)的結(jié)果是，線(xiàn)性的需要分客群，非線(xiàn)性的可能可以不特別需要分客群。

為什么？

ln(odds)=a1x1+a2x2+…，你看表達(dá)式就知道了，不同客群的系數(shù)矩陣A肯定是不一樣的，實(shí)際上連組成X矩陣的woe值都不一樣。不一樣的表達(dá)式，采用線(xiàn)性的方式強(qiáng)行合成一個(gè)，肯定是有損的。

那樹(shù)模型呢？分客群可以看作第一層分裂進(jìn)行了手動(dòng)分群，其實(shí)還不如不分，留給算法自己分。如果你保證總的復(fù)雜度不變的話(huà)，我相信算法自己分效果會(huì)更好。

也就是說(shuō)，假如分了n個(gè)客群，建了n個(gè)模型，對(duì)比的那一個(gè)不分客群的模型，在相同的參數(shù)下，評(píng)估器的數(shù)量應(yīng)該乘以n。

我們這里說(shuō)的是做模型分不分客群。建模不分客群不代表策略不分客群，做策略的時(shí)候自行去劃分就好了。

有人說(shuō)，神經(jīng)網(wǎng)絡(luò)算法更適合同質(zhì)類(lèi)數(shù)據(jù)，即數(shù)據(jù)的每一維變量是有同樣含義的，比如圖像中的像素、文字中的字符、音頻中的波形，決策樹(shù)算法更適合異質(zhì)類(lèi)數(shù)據(jù)，比如風(fēng)控場(chǎng)景中的年齡、收入、職業(yè)等。

有點(diǎn)道理，這是結(jié)構(gòu)化數(shù)據(jù)和非結(jié)構(gòu)化數(shù)據(jù)的另一種說(shuō)法。

有人說(shuō)，在風(fēng)險(xiǎn)建模的時(shí)候，若采用樹(shù)算法，最常采用的參數(shù)為低深度、高數(shù)量（樹(shù)深通常設(shè)置為2-3，樹(shù)的棵數(shù)設(shè)置為幾十到一百），一旦樹(shù)深設(shè)置過(guò)高，則極易產(chǎn)生過(guò)擬合，這與我們對(duì)金融數(shù)據(jù)缺少高階信息的評(píng)判相符。一旦涉及到高階交叉特征，則此時(shí)帶來(lái)的噪聲極可能超過(guò)信號(hào)，甚至影響到低階特征的學(xué)習(xí)效果。對(duì)于同質(zhì)信息，比如數(shù)據(jù)源都為多頭信息，樹(shù)深可以設(shè)置的高一些，因?yàn)榇藭r(shí)更深的樹(shù)也不代表高階交叉，本質(zhì)上只是同一個(gè)信息源的不同分裂節(jié)點(diǎn)而已。

有點(diǎn)道理，樹(shù)深的問(wèn)題理解成高階不高階，仁者見(jiàn)仁智者見(jiàn)智，畢竟樹(shù)深越深模型越復(fù)雜效果就是越好，你不能說(shuō)它有什么大問(wèn)題。設(shè)置低樹(shù)深更重要的是和策略，和人的理解保持一致，三個(gè)變量交叉已經(jīng)夠你理解的了。至于同質(zhì)信息，更深的樹(shù)不代表高階交叉，這樣說(shuō)也對(duì)，畢竟多個(gè)多頭變量組合你可以理解成一個(gè)更復(fù)雜的多頭變量加工。但是無(wú)須差異化，仍然保持低樹(shù)深即可。