在應用科學領域，算法的選擇和應用是一個復雜的問題，它涉及到數學、工程和業務策略等多個方面。這篇文章，我們來看看算法的增益、部署問題、線性與非線性模型的選擇，以及樹模型和神經網絡算法的適用場景。

其實，在應用科學領域，這是最微不足道的。

AI，就是數學的游戲，這不能算貶義，因為數學真的是皇冠。

算法帶來的超額效果很小。除了邏輯回歸復雜度較低之外，xgb、lgb，神經網弱等學習能力都很強，算法的增益幾乎可以忽略不計。

選擇算法，最重要的是考慮部署問題。如果你們工程上只會邏輯回歸的線性計算，那你就只能選邏輯回歸。選擇別的算法，要先解決工程問題。但其實都好解決，也不好解決，主要看系統能力，其次看個人能力。

從線性和非線性的角度說吧，邏輯回歸當然是線性的，神經網絡和樹模型是非線性的。這個問題帶來的結果是，線性的需要分客群，非線性的可能可以不特別需要分客群。

為什么？

ln(odds)=a1x1+a2x2+…，你看表達式就知道了，不同客群的系數矩陣A肯定是不一樣的，實際上連組成X矩陣的woe值都不一樣。不一樣的表達式，采用線性的方式強行合成一個，肯定是有損的。

那樹模型呢？分客群可以看作第一層分裂進行了手動分群，其實還不如不分，留給算法自己分。如果你保證總的復雜度不變的話，我相信算法自己分效果會更好。

也就是說，假如分了n個客群，建了n個模型，對比的那一個不分客群的模型，在相同的參數下，評估器的數量應該乘以n。

我們這里說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，做策略的時候自行去劃分就好了。

有人說，神經網絡算法更適合同質類數據，即數據的每一維變量是有同樣含義的，比如圖像中的像素、文字中的字符、音頻中的波形，決策樹算法更適合異質類數據，比如風控場景中的年齡、收入、職業等。

有點道理，這是結構化數據和非結構化數據的另一種說法。

有人說，在風險建模的時候，若采用樹算法，最常采用的參數為低深度、高數量（樹深通常設置為2-3，樹的棵數設置為幾十到一百），一旦樹深設置過高，則極易產生過擬合，這與我們對金融數據缺少高階信息的評判相符。一旦涉及到高階交叉特征，則此時帶來的噪聲極可能超過信號，甚至影響到低階特征的學習效果。對于同質信息，比如數據源都為多頭信息，樹深可以設置的高一些，因為此時更深的樹也不代表高階交叉，本質上只是同一個信息源的不同分裂節點而已。

有點道理，樹深的問題理解成高階不高階，仁者見仁智者見智，畢竟樹深越深模型越復雜效果就是越好，你不能說它有什么大問題。設置低樹深更重要的是和策略，和人的理解保持一致，三個變量交叉已經夠你理解的了。至于同質信息，更深的樹不代表高階交叉，這樣說也對，畢竟多個多頭變量組合你可以理解成一個更復雜的多頭變量加工。但是無須差異化，仍然保持低樹深即可。