化腐朽为神奇，看萨摩耶数科如何用目标编码打造智能风控 AI领域的科学家

AI领域的科学家，越来越像手艺人。
手艺人可以将在外人看来无用的东西，加工成一件件颇具价值的工艺品；而AI科学家则可以把字符、类别特征，变成智能风控系统中的重要一环。二者的区别在于，手艺人只能以人力一件一件地创作，而科学家们通过科技的手段，直接让“量变”变成“质变” 。
“外行看热闹，内行看门道” ，科技公司的AI科学家们究竟是如何化腐朽为神奇的？本文将以萨摩耶数科在目标编码上的应用为例，揭开智能风控一隅。
目标编码：让类别特征和字符特征变成数值
【化腐朽为神奇，看萨摩耶数科如何用目标编码打造智能风控】在聊目标编码前，我们先聊聊全民都在参与的垃圾分类。
1吨废塑料可回炼600公斤无铅汽油和柴油；回收1500吨废纸，可避免砍伐用于生产1200吨纸的林木。因此，垃圾回收既环保，又节约资源。同时，垃圾回收也可以减少环境污染。废弃的电池等含有金属汞等有毒物质，会对人类产生严重的威胁，废塑料进入土壤，会导致农作物减产。
过去，居民生活产生的废纸、废塑料等可回收垃圾将与厨余垃圾、有害垃圾一并扔进垃圾桶， 14亿人日复一日将带来多大的资源浪费？垃圾分类是在终端环节，将生活垃圾的价值最大化，做好垃圾分类，就能让垃圾回收及处理等配套系统更高效地运转。
目标编码在智能风控中的价值也是如此，甚至目标编码更进一步，让没有太多价值的“其他垃圾”变成可以创造价值的“可回收垃圾” 。
具体而言，智能风控的3个重要方向：模型、策略、架构。在机器学习模型的构建和使用过程中，模型处理的信息通常都是数值型。但在风控场景下，特别是贷前审批流程中，用户信息通常存在大量的字符型或类别特征。
比如1000名样本中，有15名样本在30天内坐过动车，这种数据必须经过转换后，才能进入到风控模型中，而转换后的特征表达效果，直接影响到模型的最终预测效果，因此针对类别特征或字符型特征的处理方法，其作用便尤为重要。
在风控场景下，由于更注重模型与变量的可解释性，对于类别特征或字符型特征常用的处理方式就是目标编码。
萨摩耶数科人工智能团队表示：“智能风控机器学习模型的构建和使用过程中，目标编码起到非常重要的作用，如在信贷风控场景下，通过目标编码可以实现模型与变量的可解释性，从而提升模型的效果。”
目标编码，也称为均值编码，是特征编码的一种非常有效的方法。该方法是统计每个类别标签对应目标值，每个类别标签都被该类别的平均目标值替代。上文提到的1000名样本，其中男性600名，女性400名， “在30天内坐过动车”标签为1 ，相应的男性有10名标签为1的样本，女性有5名标签为1的样本，则对应的男性标签目标编码值为10/600=0.0167 ，女性标签的目标编码值为5/400=0.0125 。
“将字符型数据或类别特征通过目标编码变成目标值后，就可以进行风控建模。看上去和风控无关的数据，就变成了风控模型中的一颗‘螺丝钉’ 。”萨摩耶数科人工智能团队总结道。
让目标编码变“丝滑” ，萨摩耶数科的智能风控实践
实践是检验真理的唯一标准。目标编码的原理并不复杂，这并不意味着目标编码在智能风控中的应用也一样简单，风控不是理论，而是实践。
作为目标编码的应用企业，萨摩耶数科意识到了目标编码在智能风控中的价值，也发现了目标编码的短板：当一个类别标签其数量较少，但其对应的目标值较大，会导致其编码值较大，但其在总体样本占比较小，可信程度可能不高，从而导致模型会出现一定程度的过拟合。