本文是競賽中的模型設計，基本都非常複雜，針對不同問題，有不同的解法，是以這隻是參考。
1.微額借款人品預測-不得直視本王
特征處理的時候對數值型資料生成了排序特征，還有離散特征和計數特征。
M1:
python,R，java三個不同版本的xgboost + SVM。參數各有不同，是以模型間具有比較高的差異性。
M2:
利用bagging的思想，訓練36個xgboost.每個xgboost的對各類型的特征都選取topN個，N的個數可以在一定範圍内随機取，有利于模型的随機性。同時模型的參數也随機取。是以，可以同時在特征和參數中都增加了多樣性。
M3:根據模型差異性簡單權重融合
為了直覺觀察模型間的差異性，可計算模型間的最大資訊系數，然後以混淆矩陣的形式給出（顔色越淺，表示模型差異性越大）
選取模型差異性大的來融合
融合方案：
M4:疊代半監督
用最好的模型預測無标簽資料，設定閥值a,b，超過閥值，則判定為正（負）樣本，然後添加到訓練集訓練，接着繼續預測。
M5:暴力半監督
每次從無标簽樣本中選擇10個樣本，有1024種打标簽方式。使用但模型訓練1024次并在測試集上測試，選擇線下（train:test為1：9）性能提升最多的那組标簽。
将5000組*10的資料取top500組*10。在這5000個樣本中，每次選擇部分樣本（20-50）添加到訓練集觀測線上表現，保留提分的樣本。最終将這部分樣本添加到訓練集中，運作M3得到最終的模型。
2.微額借款–就是gan
利用粒子群優化算法暴力內建，也是一種內建思想。
未完，待續
參考
不得直視本王-冠軍分享問答及完整代碼
粒子群優化算法
就是gan算法分享
微額貸款人品預測分享合集