玩过数据挖掘竞赛的同学应该听过stacking这种“大杀器”，它不是算法，而是一种模型的集成框架，通过集多个模型的长处来产生更好的结果。番茄风控将会在文章中介绍stacking的原理结构以及其在实际工作中的应用，并且会跟大家介绍相关的数据集来实操演示如何搭建一个基本的stacking框架。本次内容，干货十足，我们将会分成上下两部分别跟各位同学介绍这个内容。
本次总体内容，分享大纲如下：
Part1. stacking的原理及框架结构
Part2. stacking在实际工作中的使用分享
Part3. 实操演示搭建stacking框架
Part4. Stacking效果展示
好了，废话不多说，今天我们来手撕Stacking算法。
Part1. stacking的原理及框架结构
做stacking的目的是为了提升模型的预测效果，大家都知道，数据内部的空间结构和数据之间的关系是十分复杂的，而不同的算法对于挖掘数据关系的侧重点不一样：例如KNN关注样本之间的距离关系，决策树则更关注特征分裂前后样本的不纯度变化。
既然不同的算法观测数据的角度不同，那把它们都结合一下，相互取长补短，那对数据的挖掘能更加全面，预测结果能更好。stacking就是基于这个方法的一种集成策略。
stacking既然是对多个不同算法模型的融合，那它的搭建流程简单来说就两步，第一步做多个不同的模型，第二步用一种方法将它们的模型结果进行融合来输出最后的结果，相当于做两层结构。下面通过底下这张图来具体讲下它的运行过程：
首先我们有一份数据集，把它拆分成训练集(train)和测试集(test)，另外我们要选择多种算法来做第一层结构的基模型，例如常用的xgboost，RandomForest，lightgbm，GBDT，LR，SVM等。
然后进行如下操作：
1）选择第一个基模型，将训练集分为不交叉的5份，标记为train1到train5
2）先用train5作为预测样本，将train1到train4作为训练样本建模，然后预测train5， 并保留结果，然后将train4作为预测样本，用train1,2,3,5来建模，预测train4，如此操作下去，直到把train1到train5都预测一遍，train1到train5的预测结果合并在一块就是训练集在基模型上的stacking转换，相当于一个新的特征。
3）在第二步中相当于建立了5个模型，这5个模型分别对测试集做预测，产生5个预测结果，然后将这5个结果取平均值，来作为测试集在基模型上的stacking转换。
4）选择第二个基模型，重复2-3的步骤，得到整个数据集在第二个基模型上的stacking
转换。这样的话有几个基模型就会生成几个新的特征。
5）上述1-4的步骤就是框架的第一层，第二层就是对新生成的特征再用一种算法进行训练预测，一般使用LR做第二层的模型，这样相当于对多个基模型做了融合。
从上述流程中可以看出stacking结果好坏取决于第一层框架，各个基模型要保证自身的效果要好。并且因为每个模型所用的数据和特征是一样的，那做第二层融合时可能就会出现过拟合，所以基模型不仅要效果好，之间的差异化也要大，追求“准而不同”，为了解决stacking的过拟合问题，第二层也倾向用LR这种简单的算法，另外在第一层中用了交叉验证来构造新特征，也可以有效避免过拟合。
Part2. stacking在实际工作中的使用分享
本次我们开发实操介绍stacking算法，借鉴了我们以往的项目基于支付信用分项目，借鉴了stacking这种框架思想，为大家详细讲解这个代码。
这个项目用到的是电商消费类和支付行为类的数据，这类数据由于是弱金融属性，在构建信贷预测模型时遇到的最大问题就是很多特征都是弱特征，我们先用LR做单模型，效果很差，再用xgboost做效果也不是很好，所以想到了用stacking这种方法来尽量提升模型的预测能力。
具体实现流程包括三个部分：线下stacking模型开发，线上stacking部署，后期模型监控。
1.线下stacking模型开发步骤：
1）设计模型框架，第一层用xgboost构建多个子模型，第二层用LR对子模型做融合。相比于传统stacking的不同之处是，第一层只用xgboost，而不是多种算法，另外传统stacking 中每个子模型用的特征都是一样的，但这里子模型之间用到的特征不同，所以子模型间的差异不是在算法上，而是特征上。
2）对特征进行分类，从特征背后的业务含义出发，将反映用户消费能力的特征归为一类，反映用户消费偏好的归为一类，每类特征单独做子模型，这样不仅可以让子模型之间做到差异化，也能提高子模型的业务可解释性。
3）构建第一层子模型，过程跟stacking一样，用交叉验证的方法生成新的特征，并且将预测结果转换为分数，这样就得到了反映用户不同维度风险的模型分，包括消费能力分，消费偏好分，消费稳定性分，支付风险分等。
4）第二层用LR对多个子模型分进行训练，并且要检查子模型分之间的相关性，保证子模型之间尽量是相互独立的，不会对最终模型的可解释性造成影响。
5）stacking与单模型效果的对比，跟LR单模型做比较，KS提升0.05左右，而跟xgboost单模型对比，KS提升0.02左右，说明stacking在实际应用中确实能提升模型效果。
-
线上stacking模型部署
上线时需要部署两层模型，在部署第一层时遇到了一个问题，由于在构建单个子模型时使用了交叉验证，假如用了5折交叉，那生成一个子模型分是用到了5个模型，实际上线如果全部用这5个，上线的复杂度和后期维护成本太大，所以我们采取的方案是用全部的训练集(train)再生成一个模型。
如果这个模型的预测值跟5个模型的平均值相差不大，说明这个模型可以综合代表交叉验证的5个模型。第一层输出并缓存各个子模型的分数，然后第二层再用LR输出最后的模型分。由于第一层子模型数量不是特别多，整个stacking框架的线上预测时间仍可控制在预期之内。 -
后期stacking的监控
上线一段时间后，我们将stacking模型和xgboost单模型做了稳定性和效果的对比，在稳定性方面，由于stacking内部结构更加复杂，所以相比单模型会稍差一些，所以在后期模型迭代中，着重对每个子模型做了调优来保证第二层模型的稳定性。从线上效果来看，stacking模型的KS没有出现明显的下滑，且比单模型的效果要好。 -
对于stacking实际应用的一些思考总结：
1）什么场景下适合用stacking
数据量大且特征维度多，stacking不适合小的数据集。
大量特征都是比较弱的特征，就像这里提到的项目一样，其实就是用stacking将一部分弱特征合成一个强特征。
业务目的更加追求模型的预测能力，而不是可解释性。
线上平台支持这种复杂框架的部署，并且框架的运算开销在预期之内。
2）做stacking的一些注意点
第一层基模型之间一定要体现差异化，要么在算法上，要么在样本和特征上。且每个基模型的效果要好，这样集成后的模型才会更加稳健和精准。
Stacking层数不用过多，两层其实已经够了，多层的stacking会更突显过拟合问题，且带来的提升效果有限。最后一层适合用简单的线性模型。
在构建第一层时，要保证基模型的CV稳定，如果基模型在CV和test上表现差异很大，就很可能出现问题。
本文中所涉及剩余部分第三与四部分，详细敬请继续关注番茄风控！
明天晚上将给童鞋们带来更精彩的内容。
~原创文章
…
end