规则策略是风控策略人员日常打交道的一项工作内容，如何有效挖掘出有价值的规则对于风险拦截至关重要。本次介绍除了单规则以外的，二维、以及多维规则的挖掘方法，内容节选自《100天风控专家》。
一、交叉表介绍1.1. 交叉表的概念什么是交叉表？交叉表，顾名思义，就是两个或者两个以上的变量进行交叉判断。比如下面这个示例，一个变量是“最近6个月新开信贷账户数”，另一个变量是“当前公积金状态”，这就是两个变量的交叉表形式，也叫“二维交叉表”，如果是两个以上的变量就是“多维交叉表”。交叉表的形成，本质上就是变量的“笛卡尔积”。
交叉表有什么特点？按照规则的复杂度和数据维度两个角度来看，交叉表规则处于单变量规则和评分卡模型之间的中间形态。
· 与单变量规则相比，交叉表拥有更多的维度，对于客户风险评估更加准确。
· 与评分卡模型相比，交叉表虽变量维度少，但复杂度更低，迭代开发速度更快。
· 在所有的工具中，交叉表属于一种中间的形态，同时兼顾了维度和复杂度两点。
要生成二维交叉表，有3个前提条件：1）基于IV筛选出预测效果好的变量池，从中选择交叉所需的变量组。一般的原则是：交叉变量最好是不同维度的，且相互间的相关性不高，这样综合效果才会达到最优。2）对变量进行分箱操作，连续型变量需要有排序性；仍以下面的二维交叉表为例，我们看到“最近6个月新开信贷账户数”是连续型变量，“当前公积金状态” 是离散性变量。这里公积金状态有三个离散值，因此不需要分箱；而最近6个月新开账户数由于是连续型变量，是需要做分箱处理的。3）总样本和坏样本数量足够多。交叉表通过两两组合，有更多的格子。比如下面一维变量只有4个格子，而二维交叉表有12个格子，而总数量和总坏客户数是相同的，那么经过稀释后交叉表的每个格子数据量会变少。如果总样本数和坏客户数不够的话，那么分散到每个格子的数量就可能出现过少，或者没有数据的情况，导致无统计意义无法分析。因此如要保证每个格子都有足够的数据，总样本和坏样本数就必须足够多。
区间坏账率=每个格子的坏客户数/对应格子的总客户数，是上下两个交叉表每个格子对应位置的计算，比如蓝色框示例，4.43%=19/429；客户占比=每个格子的客户数/总客户数，只需总客户数一个交叉表即可，比如红色框示例，3%=59/1967；
交叉表完整Python代码等实操内容请看��《100天风控专家》
二、决策树挖掘多维规则
Sklearn中有两个决策树API方法，分别是：
· tree.DecisionTreeClassifier：CART分类树
· tree.DecisionTreeRegressor：CART回归树
要注意的是，Sklearn没有对ID3和C4.5算法的实现，就只有CART算法，并且是调优过的。下面是官方文档的说明。
X=df[df.columns.difference([yflag,'issue_d','address','emp_title','earliest_cr_line','title'])]
y = df[yflag]
# 划分数据集
x_train,x_test,y_train,y_test=train_test_split(X,y,test_size=0.2,random_state=42)
# 按照最优的方式分裂
model=tree.DecisionTreeClassifier(criterion="gini",
splitter='best',
random_state=42,
max_depth=3,
min_samples_leaf=0.05,
min_samples_split=0.05)
model = model.fit(x_train,y_train)
dot_data=tree.export_graphviz(model,
feature_names=X.columns,
filled=True,
rounded=True,
out_file=None)
graph=graphviz.Source(dot_data)
graph
在信贷风控中，使用决策树生成规则后要通过命中、精准率、召回率等指标进行评估和筛选，而sklearn模型输出的树节点可视化图不包含这些信息，下面提供一种优化方法，可以输出我们想要的结果。
该方法仍然使用export_graphviz可视化方法，但会在此基础上做一些内容的优化调整。
dot_data = tree.export_graphviz(tree_model)
以上代码返回的dot_data是一个长字符串，如下示例，该字符串包含了树分裂的所有分裂点和叶子节点信息。
X = df[df.columns.difference([yflag,'issue_d','address','emp_title','earliest_cr_line','title'])]
y = df[yflag]
# 划分数据集
x_train,x_test,y_train,y_test=train_test_split(X,y,test_size=0.2,random_state=42)
# 按照最优的方式分裂
model=tree.DecisionTreeClassifier(criterion="gini",
splitter='best',
random_state=42,
max_depth=3,
min_samples_leaf=0.05,
min_samples_split=0.05)
model = model.fit(x_train,y_train)
...
这里要我们设置的决策树深度为3，并且树结构生成完整，因此生成的规则中均包含3个变量，8条决策路径总共生成8条规则，具体如下：
规则是用来高风险客户的，因此先对精准率进行从大到小的排序，然然后再看命中率、召回率等是否符合要求。
