二、微調(diào)樹模型結(jié)構(gòu)以符合業(yè)務(wù)解釋性

但是樹模型的解釋性也是有局限的，再了解樹模型的決策邏輯后，不像邏輯回歸（LR）可以較為輕松的調(diào)節(jié)特征分箱及模型去符合業(yè)務(wù)邏輯（如收入越低的人通常越可能****逾期，模型決策時(shí)可能持相反的邏輯，這時(shí)就需要調(diào)整了）。

我們一旦發(fā)現(xiàn)樹結(jié)構(gòu)或shap值不符合業(yè)務(wù)邏輯，由于樹模型學(xué)習(xí)通常較復(fù)雜，想要依照業(yè)務(wù)邏輯去調(diào)整樹結(jié)構(gòu)就有點(diǎn)棘手了，所有很多時(shí)候只能推倒原來的模型，數(shù)據(jù)清洗、篩選、特征選擇等 重新學(xué)習(xí)一個(gè)新的模型，直到特征決策在業(yè)務(wù)上面解釋得通。

在此，本文簡單探討一個(gè)可以快速對(duì)lightgbm樹模型結(jié)構(gòu)進(jìn)行調(diào)整的方法。

lightgbm結(jié)構(gòu)

首先導(dǎo)出lightgbm單棵樹的結(jié)構(gòu)及相應(yīng)的模型文件：# 本文代碼 (https://github.com/aialgorithm/Blog)
model.booster_.save_model("lgbmodel.txt") # 導(dǎo)出模型文件

treeversion=v3num_class=1num_tree_per_iteration=1label_index=0max_feature_idx=36objective=binary sigmoid:1feature_names=total_loan year_of_loan interest monthly_payment class work_year house_exist censor_status use post_code region debt_loan_ratio del_in_18month scoring_low scoring_high known_outstanding_loan known_dero pub_dero_bankrup recircle_b recircle_u initial_list_status app_type title policy_code f0 f1 f2 f3 f4 early_return early_return_amount early_return_amount_3mon issue_date_y issue_date_m issue_date_diff employer_type industryfeature_infos=[818.18181819999995:47272.727270000003] [3:5] [4.7789999999999999:33.978999999999999] [30.440000000000001:1503.8900000000001] [0:6] [0:10] [0:4] [0:2] [0:13] [0:901] [0:49] [0:509.3672727] [0:15] [540:910.90909090000002] [585:1131.818182] [1:59] [0:12] [0:9999] [0:779021] [0:120.6153846] [0:1] [0:1] [0:60905] none [0:9999] [0:9999] [0:9999] [2:9999] [0:9999] [0:5] [0:17446] [0:4821.8999999999996] [2007:2018] [1:12] [2830:6909] -1:4:3:2:0:1:5 -1:13:11:3:1:2:10:7:8:12:0:4:5:9:6tree_sizes=770
Tree=0num_leaves=6num_cat=0split_feature=30 2 16 15 2split_gain=3093.94 124.594 59.0243 46.1935 42.6584threshold=1.0000000180025095e-35 9.9675000000000029 1.5000000000000002 17.500000000000004 15.961500000000003decision_type=2 2 2 2 2left_child=1 -1 3 -2 -3right_child=2 4 -4 -5 -6leaf_value=0.023461476907437533 -0.17987415362524772 0.10323905611372351 -0.026732447730002745 -0.10633877114664755 0.14703056722907529leaf_weight=147.41318297386169 569.9415502846241 502.41849474608898 30.554571613669395 100.48724548518658 399.18497054278851leaf_count=544 3633 1325 133 543 822internal_value=-5.60284e-08 0.108692 -0.162658 -0.168852 0.122628internal_weight=0 1049.02 700.983 670.429 901.603internal_count=7000 2691 4309 4176 2147is_linear=0shrinkage=1

end of trees
feature_importances:interest=2known_outstanding_loan=1known_dero=1early_return_amount=1
parameters:[boosting: gbdt][objective: binary][metric: auc][tree_learner: serial][device_type: cpu][data: ][valid: ][num_iterations: 1][learning_rate: 0.1][num_leaves: 6][num_threads: -1][deterministic: 0][force_col_wise: 0][force_row_wise: 0][histogram_pool_size: -1][max_depth: -1][min_data_in_leaf: 20][min_sum_hessian_in_leaf: 0.001][bagging_fraction: 1][pos_bagging_fraction: 1][neg_bagging_fraction: 1][bagging_freq: 0][bagging_seed: 7719][feature_fraction: 1][feature_fraction_bynode: 1][feature_fraction_seed: 2437][extra_trees: 0][extra_seed: 11797][early_stopping_round: 0][first_metric_only: 0][max_delta_step: 0][lambda_l1: 0][lambda_l2: 0][linear_lambda: 0][min_gain_to_split: 0][drop_rate: 0.1][max_drop: 50][skip_drop: 0.5][xgboost_dart_mode: 0][uniform_drop: 0][drop_seed: 21238][top_rate: 0.2][other_rate: 0.1][min_data_per_group: 100][max_cat_threshold: 32][cat_l2: 10][cat_smooth: 10][max_cat_to_onehot: 4][top_k: 20][monotone_constraints: ][monotone_constraints_method: basic][monotone_penalty: 0][feature_contri: ][forcedsplits_filename: ][refit_decay_rate: 0.9][cegb_tradeoff: 1][cegb_penalty_split: 0][cegb_penalty_feature_lazy: ][cegb_penalty_feature_coupled: ][path_smooth: 0][interaction_constraints: ][verbosity: -1][saved_feature_importance_type: 0][linear_tree: 0][max_bin: 255][max_bin_by_feature: ][min_data_in_bin: 3][bin_construct_sample_cnt: 200000][data_random_seed: 38][is_enable_sparse: 1][enable_bundle: 1][use_missing: 1][zero_as_missing: 0][feature_pre_filter: 1][pre_partition: 0][two_round: 0][header: 0][label_column: ][weight_column: ][group_column: ][ignore_column: ][categorical_feature: 35,36][forcedbins_filename: ][precise_float_parser: 0][objective_seed: 8855][num_class: 1][is_unbalance: 0][scale_pos_weight: 1][sigmoid: 1][boost_from_average: 1][reg_sqrt: 0][alpha: 0.9][fair_c: 1][poisson_max_delta_step: 0.7][tweedie_variance_power: 1.5][lambdarank_truncation_level: 30][lambdarank_norm: 1][label_gain: ][eval_at: ][multi_error_top_k: 1][auc_mu_weights: ][num_machines: 1][local_listen_port: 12400][time_out: 120][machine_list_filename: ][machines: ][gpu_platform_id: -1][gpu_device_id: -1][gpu_use_dp: 0][num_gpu: 1]
end of parameters
pandas_categorical:[["\u4e0a\u5e02\u4f01\u4e1a", "\u4e16\u754c\u4e94\u767e\u5f3a", "\u5e7c\u6559\u4e0e\u4e2d\u5c0f\u5b66\u6821", "\u653f\u5e9c\u673a\u6784", "\u666e\u901a\u4f01\u4e1a", "\u9ad8\u7b49\u6559\u80b2\u673a\u6784"], ["\u4ea4\u901a\u8fd0\u8f93\u3001\u4ed3\u50a8\u548c\u90ae\u653f\u4e1a", "\u4f4f\u5bbf\u548c\u9910\u996e\u4e1a", "\u4fe1\u606f\u4f20\u8f93\u3001\u8f6f\u4ef6\u548c\u4fe1\u606f\u6280\u672f\u670d\u52a1\u4e1a", "\u516c\u5171\u670d\u52a1\u3001\u793e\u4f1a\u7ec4\u7ec7", "\u519c\u3001\u6797\u3001\u7267\u3001\u6e14\u4e1a", "\u5236\u9020\u4e1a", "\u56fd\u9645\u7ec4\u7ec7", "\u5efa\u7b51\u4e1a", "\u623f\u5730\u4ea7\u4e1a", "\u6279\u53d1\u548c\u96f6\u552e\u4e1a", "\u6587\u5316\u548c\u4f53\u80b2\u4e1a", "\u7535\u529b\u3001\u70ed\u529b\u751f\u4ea7\u4f9b\u5e94\u4e1a", "\u91c7\u77ff\u4e1a", "\u91d1\u878d\u4e1a"]]

lightgbm集成多棵二叉樹的樹模型，以如下一顆二叉樹的一個(gè)父節(jié)點(diǎn)及其兩個(gè)葉子分支具體解釋（其他樹及節(jié)點(diǎn)依此類推）， 下面內(nèi)部節(jié)點(diǎn)是以

• 特征insterest（貸款利率）的數(shù)值 是否<=15.962做的判斷劃分

• 劃分的增益gain 42.658

• 樣本權(quán)重 901.603

• 該節(jié)點(diǎn)的樣本數(shù)2147 占據(jù)了30.67%的數(shù)據(jù)

• 該節(jié)點(diǎn)的如果不繼續(xù)分裂葉子，獲得的分?jǐn)?shù)值是0.123 劃分后的兩個(gè)葉子節(jié)點(diǎn)：

• leaf2 分?jǐn)?shù)值 0.103

• leaf5 分?jǐn)?shù)值 0.147 分?jǐn)?shù)值越高說明該葉子決策結(jié)果越趨近1（在本例金融風(fēng)控項(xiàng)目里面也就是數(shù)值越大，越容易違約）

  
  

  

在金融風(fēng)控領(lǐng)域是很注重決策的可解釋性，有時(shí)我們可能發(fā)現(xiàn)某一個(gè)葉子節(jié)點(diǎn)的決策是不符合業(yè)務(wù)解釋性的。比如，業(yè)務(wù)上認(rèn)為利率越高 違約概率應(yīng)該越低，那我們上圖的節(jié)點(diǎn)就是不符合業(yè)務(wù)經(jīng)驗(yàn)的（注：這里只是假設(shè)，實(shí)際上圖節(jié)點(diǎn)的決策 還是符合業(yè)務(wù)經(jīng)驗(yàn)的）。

那么這時(shí)最快微調(diào)樹模型的辦法就是直接對(duì)這個(gè)模型的這個(gè)葉子節(jié)點(diǎn)剪枝掉，只保留內(nèi)部節(jié)點(diǎn)做決策。

那么，如何快速地對(duì)lightgbm手動(dòng)調(diào)整樹結(jié)構(gòu)（如剪枝）呢？

lightgbm手動(dòng)剪枝

這里有個(gè)取巧的剪枝辦法，可以在保留原始樹結(jié)構(gòu)的前提下，修改特定葉子節(jié)點(diǎn)的分?jǐn)?shù)值為他們上級(jí)父節(jié)點(diǎn)的分?jǐn)?shù)值，那邏輯上就等同于“剪枝”了。

• 剪枝前

  
  

  

  
  

• 對(duì)應(yīng)的測(cè)試集的模型效果

  
  

  

• 剪枝后 （修改葉子節(jié)點(diǎn)為父節(jié)點(diǎn)的分?jǐn)?shù)）

可以手動(dòng)修改下模型文件對(duì)應(yīng)葉子節(jié)點(diǎn)的分?jǐn)?shù)值：

我們?cè)衮?yàn)證下剪枝前后，測(cè)試集的模型效果差異：auc降了1%，ks變化不大；

通過剪枝去優(yōu)化模型復(fù)雜度或者去符合合理業(yè)務(wù)經(jīng)驗(yàn)，對(duì)模型帶來都是正則化效果模型可以減少統(tǒng)計(jì)噪音的影響（減少過擬合），有更好的泛化效果。

當(dāng)然本方法建立在小規(guī)模集成學(xué)習(xí)的樹模型，如果動(dòng)則幾百上千顆的大規(guī)模樹模型，人為調(diào)整每一顆的樹結(jié)構(gòu)，這也不現(xiàn)實(shí)。

編輯：王菁