haoxin

haoxin

好信杯相关技术文档，迁移学习非常重要的技术文档。

赛题来源

科赛平台：前海征信“好信杯”大数据算法大赛

作品介绍

采用迁移学习的基本思想解决赛题，具体的赛题为： 依据给定的4万条业务A数据及4千条业务B数据，建立业务B的信用评分模型。其中业务A为信用贷款, 其特征就是债务人无需提供抵押品，仅凭自己的信誉就能取得贷款，并以借款人信用程度作为还款保证的；业务B为现金贷，即发薪日贷款（payday loan），与一般的消费金融产品相比，现金贷主要具有以下五个特点：额度小、周期短、无抵押、流程快、利率高，这也是与其借贷门槛低的特征相适应的。由于业务A、B存在关联性，选手如何将业务A的知识迁移到业务B，以此增强业务B的信用评分模型，是本次比赛的重点。

数学建模

建模过程相对简单，细化可以分为两步：① 把目标域训练得到的模型作为主模型1,②将在源域上训练得到的模型迁移到目标域并利用目标域数据进行fine-tune得到的模型作为主模型2，③最后利用合理的加权方式得到最终结果,合理的考虑了迁移模型与目标域模型的关系。

遇到的挑战

①业务AB两大数据用户id的理解误差，浪费了很多时间，后来发现相同id并非同一用户； ②最后一天被各位厉害的选手刷榜，哈哈，心累。

作品亮点

最大亮点就是简单实用,通过目标域数据对源数据模型的fine-tune的来做迁移,算法部分 由XGBoost和简单的bagging构成,构建两大主模型的关系的方式也很易懂。

获得的经验

1. 实用的特征工程小技巧（方差，均值等实用的老套路）;
2. 采用弱分类器获取源域和目标域数据之间相似的数据，然后合并这些数据训练model的实用方法（来自dandange）;
3. 赛方分享的集成技巧；
4. 比赛切记要看论坛的消息！

迁移学习相关技术文档与代码：

链接: https://pan.baidu.com/s/1jHIwb1G 密码: wbaf

下载数据：前海征信数据 4-14 .zip到data目录 新建：output，data目录