分享 | 关于人工智能算法建模稳定性那些事儿

背景

“建模”是算法、数据挖掘岗同学日常工作的一个重要部分。而建模流程中，非常重要同时又容易被大家忽视的一个环节就是稳定性问题。

市面上关于建模稳定性的文章不多，笔者决定与大家分享一下自己的经验。

本文是自己的一些实践经验分享，尽量做到让读者看过之后就可以动手实践。如果你之前从未进行过建模稳定性方面的关注，那么看过本篇分享后，取其中一二进行关注，相信能够达到事先规避一些潜在的问题的效果。关于建模稳定性方面本文未能涉及的地方，也欢迎大家踊跃在评论区补充和交流！

建模过程中的稳定性，一般包括特征稳定性和模型稳定性，下面依次介绍给大家介绍。

特征稳定性

所谓特征稳定性，就是关注该特征的取值随着时间的推移会不会发生大的波动。

对特征稳定性的关注，一定一定要在建模之前完成，从一开始就避免将那些本身不太稳定的特征选入模型。遗憾的是，很多做模型的同学并没有留意这一点，而是喜欢在特征ready后立刻开始建模，直到模型临近上线，才意识到应该去看看有没有不太稳定的特征，一旦发现有特征稳定性不满足要求，则需要对其进行剔除后重新建模，导致了不必要的重复性劳动。

通常采用PSI（PopulationStability Index，群体稳定性指数）指标评估特征稳定性。计算公式如下：

下面介绍特征的PSI是如何计算出来的，有了这个，就可以读懂上面的公式了：

• 特征取值等频分段：对这个特征在base集的取值进行等频划分（通常等频分10份即可），用字母i表示第i个分段区间。

• 计算：
统计落在每个分段区间内的目标数量（如果是用户特征就是用户数，如果是门店特征就是门店数，etc），进一步得到数量占比，
表示该特征在base集中第i个取值分段中的数量占比。

• 计算：
继续按照第2步计算得到
，注意，分段还是采用第1步中产出的分段（依据base集产出的分段）。

• 根据前文的公式即可计算得到该特征基于这两个日期的PSI。

当没有其他工具可以借力的时候，根据上述流程便可轻松计算得到特征PSI。但是在蚂蚁金服，因为算法建模PAI平台的存在，直接借助所提供的PSI计算组件即可方便、批量地计算出特征PSI。

通常我会按照下图所示的方式来做：

在上面这个例子中，我对上百个特征计算PSI，流程如下：

• 取20171130分区的数据作为base集，对所有特征通过分箱组件进行特征值等频分段（上述步骤1），分箱之前进行随机采样的目的是减少数据量以加快分箱进程。

• 计算20171130分区与过往六个月分区的特征PSI，这就是PSI组件做的事情，也就是前文所述步骤2~4。

通过这个流程，轻松计算得到了上百个特征跨度1个月~跨度6个月的PSI。通常，如果一个特征跨度6个月的PSI取值小于0.1，那么这个特征被认为是稳定的（当然，也可以根据具体情况适当放宽0.1的标准）。

注意：并非所有PSI值很高的特征都不能用于建模，如果一个特征区分度很好但PSI值不满足预期（比如跨度6个月的PSI大于0.1），但同时，该特征的取值波动性从业务的角度可以解释得通，那么这样的特征用于建模也是可以的。

模型稳定性

相比特征稳定性，模型稳定性涉及的东西比较多，需要根据模型的具体应用方式选择性进行关注。通常，模型PSI是必须关注的一个指标。

1. 模型PSI

有了前文对特征PSI的介绍，理解模型PSI就非常简单了。

二分类模型的输出一般都会有一个取值为0~1之间的概率值（记作：prediction_prob），模型PSI监控的就是这个值的稳定性。

将模型产出的prediction_prob理解为一个特征，就可以像计算特征PSI一样计算得到模型PSI了，不同的地方在于，特征PSI一般是对很多特征一起做计算（假如准备了200个特征进行建模，那就是对200个特征计算PSI），而模型PSI通常只是对prediction_prob这一个字段做计算。计算方式同前文所述完全一样，PAI组件的使用也没有任何不同，不再赘述。

1. 模型稳定性的其他实践

2.1 消除波动性

对于二分类模型，在实际业务中通常会直接拿着prediction_prob去用。例如，对于某个风险识别场景，根据prediction_prob对用户进行准入或拦截（假如设定阈值为0.6，则prediction_prob小于0.6的用户被拦截，不小于0.6的用户被准入）。

但是会存在一些应用场景对稳定性要求更高。为了消除double型可能带来的波动性，可以将小数映射为整数再使用，我们将这个过程称为Rank。

具体要将0~1的小数值映射到1~10还是1~100亦或是1~1000的整数区间，完全取决于应用场景对这个数值的精细化程度。这样做映射以消除波动性是有道理的，它相当于把一定范围内的波动屏蔽了。例如，某信用风险模型在10月份对用户小C的打分为0.61，在11月份的打分为0.69（假如打分的差异仅仅因为该用户在双11期间疯狂买买买所致，而事实上短暂性的买买买并不应该对用户的信用风险评估造成影响），如果映射为1~10的整数区间后，连续两个月份的打分都是7（[0.6, 0.69]整个区间均被映射为7），从而达到屏蔽波动性的目的。

将0~1小数映射到整数区间的做法非常简单：首先对原始小数列求分位数（如果要映射为1~10的得分区间就求十个分位点，如果要映射为1~100的得分区间就求一百个分位点），然后根据各分位点处的取值将原始值分为确定数量的区间（如果要映射为1~10的得分区间就是10个区间，如果要映射为1~100的得分区间就是100个区间），每个区间映射为一个整数值，映射完毕。

2.2 Rank迁移

当把prediction_prob Rank到整数区间后，就有必要对Rank后的结果实施必要的监控了。有两个事情值得去做，其一是对分位点进行按月迁移监控（看分位点有没有随着时间的推移产生波动），其二是对Rank后的整数进行月份间波动监控（看看每连续两个月之间，全量用户得分的波动性）。

计算上文所述指标的目的是为了实施每日监控，一旦出现不符合预期的情况就立刻通知到人。在蚂蚁金服内部，可以借助相关平台实施所需的监控。当然，如果没有这样的平台，也可以通过其他的方式来做，比如：每日定时执行SQL语句来实施监控分析，并将执行结果做成报表以方便查看，等等。

以上内容任何疏漏之处，恳请不吝指正。欢迎大家补充自己对建模稳定性的实践之道！