AI 风控模型训练器
将以下提示词粘贴到你的 AI 对话框中:
请根据 https://skillhub.cn/install/skillhub.md 将技能 @kins/risk-model-trainer 安装到你的 AI 助手中。
技能介绍
要解决的问题
风控建模的门槛通常不在算法本身,而在前后两端:前端是格式混乱的数据——一张营业执照截图、一份 PDF 尽调报告、若干 Excel 明细表,IT 要先把非结构化内容转成可建模特征,再写一长串特征工程/训练/测试脚本;后端是交付,行里和业务方要求的模型格式五花八门,PMML、CSV、Python 脚本往往要各出一份。与此同时,多方联合建模还要求数据不出域,环境不成熟时脚本还要优雅降级。
核心能力与工作方式
- 先校验,再加载,后建模:所有上传文件先经过
data_validator.py,损坏或不可解析的数据直接阻断,不会拿坏数据硬训。 - 意图识别与追问:插上传文件说“看看这个”时,会主动询问建模目标与算法偏好;不指定算法则自动选型——低风险场景优先逻辑回归基线(可解释),大数据升级树模型,异常检测默认孤立森林。
- 联邦训练可选:
--federated模式对接 Flower/FATE;环境无联邦框架时自动降级为本地训练,并明确通知用户不再满足数据不出域。 - 测试与导出:
test_model.py输出准确率、AUC、KS、召回率、F1;导出支持 PMML(依赖sklearn2pmml或nyoka,缺库时给出安装提示)、CSV 特征打分表、Python 源脚本三类。 - 交付即呈现:模型、报告、导出文件通过 present_files 交给用户直接预览/下载。
适用边界与注意点
- 不做纯数据清洗(无建模意图)、不做普通格式转换(可交给 file-format-converter)、不做风险报告(可交给 risk-report-generator)。
- 当数据仅有司法舆情等单源、缺少统一主键、样本量不足、特征列全为空时,会放弃建模,把现有数据加工成可解释的规则指标,并联网补全权威定义后交付——不是模型不重要,而是模型不是目的,风险识别才是。
使用场景
- {'内容': '拿到营业执照截图、PDF尽调报告等非结构化数据,需转成特征并训练违约预测模型', '长度': 37}
- {'内容': '参与多方联合建模项目,要求数据不出域,需在本地环境训练并保证可解释性', '长度': 33}
- {'内容': '模型训练完成后,需导出PMML给业务系统,或导出CSV供信贷人员手动评分卡', '长度': 31}
- {'内容': '只有少量司法舆情数据且无统一企业主键,需判断是否值得训练或转规则指标', '长度': 32}
适合人员
- 风控开发工程师:需要从Excel/CSV等表格快速搭建违约预测模型并交付
- 数据科学家:在多方隐私要求下寻找联邦训练方案,缺框架时自动降级
- 合规与模型部署人员:需要将模型导出为PMML/CSV/Python供业务系统上线
- 信贷业务分析师:拿到非结构化资料后想判断是否值得建模,或转为可解释规则