风控模型训练器
将以下提示词粘贴到你的 AI 对话框中:
请按照官方安装指南 https://skillhub.cn/install/skillhub.md 将该技能安装到你的 AI 助手,并在加载后调用规范名 @kins/risk-model-trainer01 进入风控模型训练流程;先提交数据文件完成校验,再按模型目标执行训练、测试与导出。
技能介绍
风控建模往往卡在数据到上线之间的一堆琐事:拿到的是扫描件或 Excel/CSV,好坏样本没标注,不知道跑什么算法,训练完了无法解释、出了域就合规不了,部署还得再转 PMML 或 Python。该技能把这一链路收敛到一条可校验、可迭代的流水线。
解决什么问题
- 坏数据直接阻断:所有上传先跑
data_validator.py,输出 OK/WARN/ERROR;空文件、损坏图片、非标准 PDF、列不齐的 CSV 都会被拦截并逐项反馈修复方案,绝不拿坏数据硬训。 - 无标签也能起步:没有好坏标注时,
auto_label.py用孤立森林异常分数或规则评分自动区分好坏样本,输出带auto_label的宽表和生成报告,并明确标注“自动标签、非真实标注”。 - 不盲选算法:风控默认先跑逻辑回归基线以保证可解释,数据量足够再升级树模型或 XGBoost;异常检测默认孤立森林。
- 部署前可解释:
model_explainer.py给出特征重要性、系数排序和自然语言口径,并用present_files交付model_explanation.md与feature_importance.csv。
技能如何工作
- 先校验:解析图片/PDF/Excel/CSV,识别格式损坏、编码问题、空表和主键缺失。
- 再判断:有监督目标走有监督训练;无标签走
scripts/auto_label.py;数据不足建模时,降级加工成可解释的规则指标。 - 后训练:
model_trainer.py --algorithm logistic|xgboost|rf|isolation_forest自动选型或手动指定。 - 可联邦:
--federated --fed-role guest --fed-party-id ...对接 Flower(默认)或 FATE;无联邦框架时自动降级本地训练并明确告知已不满足数据不出域。 - 交付即呈现:导出
--format pmml|csv|python,PMML 依赖sklearn2pmml(后端jpmml-sklearn)或nyoka,缺失时给出安装提示而不是静默失败。 - 迭代到满意:用户反馈效果不好、漏特征或坏样本太少时,按轮次重跑训练、测试和报告,并列对比 accuracy / F1 / ROC-AUC / 异常占比。
适用边界与注意点
- 不要用于纯数据清洗、普通文件格式转换(交给
file-format-converter)或仅生成风险报告(交给risk-report-generator)。 - 数据不足的判定:仅单源无可建模字段、缺少统一企业 id 无法聚合、样本量过少或标签极度偏斜时,停止建模,转规则指标兜底。
- 联邦降级会破坏“数据不出域”:必须等到环境装好 Flower/FATE 才视为合规联邦,降级时应主动说明。
- 自动标签不能固化:基于
auto_label训练出的模型只能用于探索或冷启动,建议补充真实标注后再固化上线。
安装
在 [https://skillhub.cn/install/skillhub.md](https://skillhub.cn/install/skillhub.md) 完成安装,并安装该技能 @kins/risk-model-trainer01。
使用场景
- 用户手中已有企业特征宽表,但好坏样本散落在业务口径中,需要先自动区分正负样本,再训练违约预测模型并导出 PMML 给风控引擎使用。
- 业务方提供了扫描件或 PDF 表格,需要把表内数据读出来训练模型,并在样本量或特征不足时降级为可解释规则指标交给业务审阅。
- 多家机构数据均不能出域,需要在自有环境拉起联邦训练参与方进行联合建模,训练完成后测试评估并生成对比报告。
- 模型已经训练完成,需要回答哪些指标最重要、指标如何影响风险判断,并输出特征重要性表和可读解释供评审会讨论。
适合人员
- 金融机构风险建模工程师,需要在样本无标注、数据质量参差不齐时快速得到可解释模型并迭代交付
- 联邦学习平台负责人,需要按参与方角色组织多方联合训练,同时保证环境缺少联邦框架时能安全降级
- 数据团队数据分析师,需要把上传的 Excel、PDF 或图片数据清洗校验后训练模型,并向业务解释结果
- 机器学习平台工程师,需要把训练产物导出为 PMML、CSV 或 Python,并复现训练说明供生产部署使用