這一節開始建立模型，在模組化之前，我們先梳理一下思路：
思路：
1、首先選出隻帶标簽的資料（有風險和無風險的），進行分析，建立一個 recall rate 風險交易召回率較高的二分類模型。
2、接着在無标簽的資料上應用此模型，打上标簽，并與之前有标簽的資料進行合并，形成最終完整訓練樣本。
3、将新的訓練樣本送入模型，得到最終模型。
4、應用測試資料，得到結果。
模型建立流程：
因為id無重複，說明id可能是交易id，而不是賬戶id，可以不送入模型訓練；同時交易時間也可以不送入訓練，故利用選擇屬性算子将其兩者過濾。之後将label列的角色設定為标簽label，即告訴模型是否有風險的列為你要關心的結果。接着因為随機森林要求輸入模型的資料是非空數值類型，故在之前的資料類型轉換基礎上還要做替換缺失值操作。
在僅利用有标簽資料進行預測，随機森林參數maxCategories=50，treeMaxDepth=7，treeNum=30時，結果如下，可以看到效果不逑行。
可見當随機森林中樹的深度比較小時，效果很差，原因主要是資料中特征太多（接近300個），決策樹太淺會導緻決策政策過于粗糙，故我們需要提高每顆決策樹的深度。
maxCategories=35，treeMaxDepth=6，treeNum=20：
maxCategories=35，treeMaxDepth=14，treeNum=23
maxCategories=35，treeMaxDepth=30，treeNum=23：
可見單個決策樹越深，效果越好，為了保證訓練的速度，現在保持樹深為15，增大随機森林中樹的個數，發現效果也有變好。
maxCategories=32，treeMaxDepth=15，seed=7，treeNum=45：
maxCategories=32，treeMaxDepth=30，seed=7，treeNum=100：
但樹的個樹一旦超過100，再增加樹的個數模型效果改善就不大了：
故最終參數調整如下：
maxCategories=32，treeMaxDepth=15，seed=7，treeNum=150：
可見，隻用帶标簽的資料，利用随機森林訓練出的模型風險資料召回率并不是很高（接近0.5），因為有些無标簽資料中也包含黑樣本特征的重要資訊。
故接下來用以上訓練出的模型對無樣本資料打标簽。由于篇幅原因，在下一篇部落格中介紹。