Question

背景：

我正在使用XGBoost开发模型来预测特定贷款是否会违约。现在，我包括了有关Fico分数的时间序列数据，以及随时间变化的其他变量。因此，我有13202笔独特的贷款，但有300,000多行具有可变和固定数据。

问题：

鉴于我拥有随时间变化的数据，并且某些数据将在整个时间内保持不变，例如物业的地块大小和平方英尺，XGBoost可以区分固定数据和可变数据吗？另外，将我的数据分为训练和测试集时，他们的一种方法是将贷款本身相应地进行拆分，而不仅仅是行吗？

Answer 1

建立用于预测的机器学习模型的方法有很多，每种方法各有利弊。

但是，我的原则是无论我做什么以及如何生成新功能，我都不会更改数据的粒度。例如，在这种情况下，如果我预测某笔贷款是否会违约，那么我的行将是唯一贷款，在我的培训/测试数据中，没有哪笔贷款会出现多次。

这将引导您如何生成新功能。您提到您拥有与时间序列相关的数据（即每笔贷款在不同时间点的要素值）。此时，我可能要做的是水平扩展数据，而不是垂直扩展数据。

我会做类似的事情：

With theSheet.QueryTables.Add(Connection:="TEXT;" _ & xStrPath & "\Old_Data\" & theSheet.Name & ".dat", Destination:=theSheet.Range("A5"))

这样，我仍然为每个loan_id只保留1行。 loan_id feat1_t1 feat1_t2 feat1_t3 feat2 ... 1 5 7 8 0.2 ...是在不同时间点收集的变量，因此是feat1，_t1和_t2。对于固定的变量，我只有1列（即_t3）。

希望这能回答您的问题。