项目需要利用已有的与目标客群稍有差异的个人信贷数据，辅助目标风控模型的创建，并利用该风控模型实现新业务下的用户违约预测。模型选择为lightgbm + lr处理过程分为以下几个步骤：特征选择 选取符合条件的特征，根据相关性、缺失率、IV等指标数据划分 按照一定比例划分训练集和验证集，用于模型训练和验证数据转化 利用lightgbm模型把源数据输出为叶子节点矩阵并把此作为lr模型新的输入。卡方分箱 利用分箱把连续值离散化，手动调整分箱单调性让分箱结果更贴合真实业务场景WOE编码 为各个分箱分配不同权重，并通过设置IV阈值处理过拟合，得到新数据集模型训练 输入新数据集并设置模型参数来解决样本不平衡现象，通过训练得到模型模型验证 绘制ROC，根据AUC值评估模型灵敏度，根据k-值评估模型区分好坏客户的能力技术栈：Python + Pandas + Numpy + Sklearn + LR + Matplotlib