什么是好算法

其实，在应用科学领域，这是最微不足道的。 AI ，就是数学的游戏，这不能算贬义，因为数学真的是皇冠。

算法带来的超额效果很小。除了逻辑回归复杂度较低之外， xgb 、 lgb ，神经网弱等学习能力都很强，算法的增益几乎可以忽略不计。

选择算法，最重要的是考虑部署问题。如果你们工程上只会逻辑回归的线性计算，那你就只能选逻辑回归。选择别的算法，要先解决工程问题。但其实都好解决，也不好解决，主要看系统能力，其次看个人能力。

从线性和非线性的角度说吧，逻辑回归当然是线性的，神经网络和树模型是非线性的。这个问题带来的结果是，线性的需要分客群，非线性的可能可以不特别需要分客群。为什么？

ln(odds)=a1x1+a2x2+... ， 你看表达式就知道了， 不同客群的系数矩阵 A 肯定是不一样的，实际上连组成 X 矩阵的 woe 值都不一样。不一样的表达式，采用线性的方式强行合成一个，肯定是有损的。

那树模型呢？分客群可以看作第一层分裂进行了手动分群，其实还不如不分，留给算法自己分。如果你保证总的复杂度不变的话，我相信算法自己分效果会更好。

也就是说，假如分了 n 个客群，建了 n 个模型，对比的那一个不分客群的模型，在相同的参数下，评估器的数量应该乘以 n 。

我们这里说的是做模型分不分客群。建模不分客群不代表策略不分客群，做策略的时候自行去划分就好了。