版权声明：转载请联系博主。 https://blog.csdn.net/sunyaowu315/article/details/83378437
1、模型如何设计？
可以从滚动率、迁徙率来回答。
2、对客群进行细分建模的本质是什么？
其实分客群进行建模，实质是一种交叉特征，也能提高模型稳定性。
3、如何衍生特征？
交叉组合、最大最小标准差均值、GBDT\XGBoost、LDA主题模型、用户画像分等等都可以做特征衍生，但是衍生出来的特征要符合实际业务含义，并且要保持稳定。
GBDT/XGBooting 及神经网络中间层做衍生。
4、auc和ks的关系？
有人说auc是衡量整个模型的排序能力，KS是衡量某个分段的区分能力。直接上代码吧，看完就都明白了：
def yq_KS(y_label,y_pred,quantile=0):
fpr,tpr,threshold=metrics.roc_curve(y_label,y_pred[:,1])
if quantile>2:
quantilelist=100*np.arange(quantile+1)/float(quantile)
fpr=np.percentile(fpr,quantilelist)
tpr=np.percentile(tpr,quantilelist)
KS=max(tpr-fpr)
return KS
5、拒绝推断应该怎么做，作用是什么，效果怎么样？
6、一些基本公式的推导，比如LR、xgb之类的，这些可以自己推导一下。
7、模型的部署上线应用类似的问题，主要就是等级划分啦、额度设计、风险定价、ABtest的设计等等，涉及到一些机密，暂不介绍。