你是不是觉得你的变量太少？

今天我们来聊聊建模中最让人又爱又恨的衍生变量吧。

因为我个人认为建模，拟合模型并不是重点，最重点是你能有多少底层变量，以及你能把数据处理到噪声少掉多少，噪声数据影响整体数据的准确性，衍生变量影响你数据深挖的程度。

实际上不论是建模还是策略，对于客户维度的挖掘一直都是主要的工作，如果一直按照业务经验去定客户维度，那么风控系统的客户维度就不会增加，你就客户的精准定位就没有其他公司的全面。

1.缺失变量衍生

这是一个最简单的衍生变量的思路。举个例子，就是你现在有个变量是缺失了大概30-50%，你觉得尽管我做了缺失值填补，或者单独分为一组，但是我觉得会不会缺失和不缺失有比较大的特征，所以这时候你可以衍生一个变量叫，职业是否缺失，但是这里我要加一个附加条件哈，例如这个职业是否缺失，是在什么前提下可以衍生的，是在你们的申请资料提交中，职业他是一个可选项，可填可不填，那么这时候你去衍生这个变量是有一定的业务意义的。氮素，我并不是说就只有这种情况可以衍生这类变量，而是说你在衍生的时候最好清楚他的口径，你不要等下进入了模型之后，发现这个变量只是有些数据是因为系统迭代的时候缺失了，或者之前没有这个选项造成了。这只是个例子，就是希望你们多关于一下数据的意义。

2.流水数据

流水数据我一般会以3个步骤进行衍生。

第一步，我会将一些标签类数据做清洗，例如我们的运营商数据中，电话标签，这个电话是酒店的电话，外卖电话、快递电话之类，我会把这个标签清洗之后汇总，汇总的可能就是以生活服务类，酒店会所类，贷款业务类等等。

第二步，那就是我将一些时间的节点清洗，一般有时间节点，我会看下这类电话是在那个时间段拨打的，没有时间点，有日期，那我会清洗出上旬中旬下旬，上班日周末、最近一个月，最近两个月这类时间标签.

第三步，就是合并维度，合并维度之前我会有一个总的单标签的统计变量，例如酒店会所类的全部拨打次数这类，接下来才是标签与时间维度或者拨打电话类型合并，我举个例子，例如：最近一个月贷款电话次数。那再上去，就是标签和电话类型以及时间合并，例如：最近一个月贷款电话被叫次数。

以上是处理的数据的三部曲，接下来我们手下流水数据的几种思路。

（1）就第三步说的比较单一的维度组合，这里就不多讲，因为一般大家都知道。

（2）流水数据取统计量。例如，平均通话时间，每月平均号码数，最长的通话时间之类的。那更上一层楼就是，每个拨打电话次数的标准差，方差，psi之类的。这里我要特别提醒，就是你这里在取的时候，你要先想好，就是你的标准差是取6个月，那么你那些没有6个月的客户，你要怎么处理，置零或者置空的话你要先想好哦。

（3）占比类。例如，最近一个月占最近6个月的通话号码个数占比，主叫电话占比。

你还可以通过自己观察一个客户的行为，定义一些标签，我举个例子哈，就是我发现与自己亲近的人拨打的电话时间大概都会超过三分钟，那么这时候你可以自定义例如，超过三分钟的电话个数这类变量。又或者你发现经常去东莞的人不要好，你可以定义一个，例如：去东莞的次数。

3.组合变量

说到组合变量，其实这个谁都会，但是我想告诉你们一个比较贱的方法。其实当你的底层变量比较多的时候，组合变量一个一个去写是很浪费时间，而且是很枯燥的，所以我建议呢，你可以尝试用决策树帮你组合（这里必须说，这不是一定好用的方法，只是建议！）。

思路是这样子的：1.你可以先将变量降维，proc varclus变量分区之后，分区之后，你可以防止变量共线性。2.随机抽取两个变量进入决策树（这两个变量可以先粗分组也可以不分组，看你自己。）3.树的深度大概设置在3以内，最小的分支的数量设置在总体样本的5%-10%。4.这时候让决策树批量跑，你去挑选出那种组数少，但是效果不错的组合变量好的出来。这里为什么提说是组数少呢，是我认为组数多的。代表变量的特征并不能很好的区分客户，那么分了多组之后就容易过拟合，就不太建议了。

那么这只是组合变量的一种，还有另外一种是两两变量四则运算那种，这种其实也可以做成批量化的代码，举个例子哈：就是例如，最近三个月的贷款笔数/最近三个月的贷款审批查询次数。我这个人喜欢什么都写成批量化处理的东西，然后我看跑出来的数据集再去挑，就好过我自己在哪里意淫到底什么组合好，数据会告诉你的。

强调一下，组合变量一定要业务逻辑合理。

4.交叉验证变量

例如客户填写的婚姻情况是否与征信报告报告中一致这类。

5.各种转化

这种是一类迫不得已的做法，那就是把变量转化，例如log转化，指数转化，加平方。我个人不太喜欢这类做法，但是有时候用一些集成算法，这类变量会有些效果。

6.小模型

你实在觉得你的变量太多了，但是都不舍得扔掉，那就分区做小模型，把一些可以互相作用的变量做成小模型，小模型的意思，就是几个变量通过模型拟合成为一个变量。这类做法就是要是后期调整不好调整。

来源|屁屁的sas数据分析

更多精彩，戳这里：