特征选择

（1）业务中的模型中会遇到的问题

模型效果不好

训练集效果好，跨时间测试效果不好

跨时间测试效果也好，上线之后效果不好（一般是线上线下变量逻辑不一致）

上线之后效果还好，几周之后分数分布开始下滑（有部分变量跨时间测试不好）

一两个月内都比较稳定，突然分数分布骤降（模型因该没问题，关注外部环境）

没有明显问题，但模型每个月逐步失效(迁移方法可以改善这一现象，不知道用的多不多)

（2）业务所需要的变量是什么

变量必须对模型有贡献，也就是说必须能对客群加以区分

逻辑回归要求变量之间线性无关，呈现单调趋势 

客群在每个变量上的分布稳定，分布迁移无可避免，但不能波动太大

（3）变量重要性

IV值：使用逻辑回归建模，变量不能有空值

          要将某变量分5箱，一般使用等频分箱先分成50箱或者100箱，然后计算相邻两箱之间的卡方值，将卡方值最小的两箱合并，循环操作直到最后只剩5箱。

卡方检验

模型筛选：xgboost不需要非空

                 集成学习方法可以评估特征重要性指标，一般评估指标有weight, gain, cover等

                 xgboost极限梯度提升树。LightGBM的意思是轻量级(light)的梯度提升机(GBM)，其相对Xgboost具有训练速度快、内存占用低的特点。

（5）共线性

相关系数

方差膨胀系数

在多元回归中，我们可以通过计算方差膨胀系数VIF来检验回归模型是否存在严重的多重共线性问题。 定义：

　其中,为自变量 对其余自变量作回归分析的负相关系数。方差膨胀系数是容忍度的倒数。
　方差膨胀系数VIF越大，说明自变量之间存在共线性的可能性越大。

   一般来讲，如果方差膨胀因子超过10，则回归模型存在严重的多重共线性。小于10的范围是可以接受的，表明白变量之间没有共线性问题存在。

（6）单调性

bivar图

（7）稳定性

PSI：PSI = sum(（实际占比-预期占比）/ln(实际占比/预期占比))