这一节开始建立模型，在建模之前，我们先梳理一下思路：
思路：
1、首先选出只带标签的数据（有风险和无风险的），进行分析，建立一个 recall rate 风险交易召回率较高的二分类模型。
2、接着在无标签的数据上应用此模型，打上标签，并与之前有标签的数据进行合并，形成最终完整训练样本。
3、将新的训练样本送入模型，得到最终模型。
4、应用测试数据，得到结果。
模型建立流程：
因为id无重复，说明id可能是交易id，而不是账户id，可以不送入模型训练；同时交易时间也可以不送入训练，故利用选择属性算子将其两者过滤。之后将label列的角色设置为标签label，即告诉模型是否有风险的列为你要关心的结果。接着因为随机森林要求输入模型的数据是非空数值类型，故在之前的数据类型转换基础上还要做替换缺失值操作。
在仅利用有标签数据进行预测，随机森林参数maxCategories=50，treeMaxDepth=7，treeNum=30时，结果如下，可以看到效果还不错。
可见当随机森林中树的深度比较小时，效果很差，原因主要是数据中特征太多（接近300个），决策树太浅会导致决策策略过于粗糙，故我们需要提高每颗决策树的深度。
maxCategories=35，treeMaxDepth=6，treeNum=20：
maxCategories=35，treeMaxDepth=14，treeNum=23
maxCategories=35，treeMaxDepth=30，treeNum=23：
可见单个决策树越深，效果越好，为了保证训练的速度，现在保持树深为15，增大随机森林中树的个数，发现效果也有变好。
maxCategories=32，treeMaxDepth=15，seed=7，treeNum=45：
maxCategories=32，treeMaxDepth=30，seed=7，treeNum=100：
但树的个树一旦超过100，再增加树的个数模型效果改善就不大了：
故最终参数调整如下：
maxCategories=32，treeMaxDepth=15，seed=7，treeNum=150：
可见，只用带标签的数据，利用随机森林训练出的模型风险数据召回率并不是很高（接近0.5），因为有些无标签数据中也包含黑样本特征的重要信息。
故接下来用以上训练出的模型对无样本数据打标签。由于篇幅原因，在下一篇博客中介绍。