這一節開始建立模型，在建模之前，我們先梳理一下思路：

思路：

1、首先選出只帶標籤的資料（有風險和無風險的），進行分析，建立一個 recall rate 風險交易召回率較高的二分類模型。

2、接著在無標籤的資料上應用此模型，打上標籤，並與之前有標籤的資料進行合併，形成最終完整訓練樣本。

3、將新的訓練樣本送入模型，得到最終模型。

4、應用測試資料，得到結果。

模型建立流程：

        因為id無重複，說明id可能是交易id，而不是賬戶id，可以不送入模型訓練；同時交易時間也可以不送入訓練，故利用選擇屬性運算元將其兩者過濾。之後將label列的角色設定為標籤label，即告訴模型是否有風險的列為你要關心的結果。接著因為隨機森林要求輸入模型的資料是非空數值型別，故在之前的資料型別轉換基礎上還要做替換缺失值操作。

        在僅利用有標籤資料進行預測，隨機森林引數maxCategories=50，treeMaxDepth=7，treeNum=30時，結果如下，可以看到效果還不錯。

        可見當隨機森林中樹的深度比較小時，效果很差，原因主要是資料中特徵太多（接近300個），決策樹太淺會導致決策策略過於粗糙，故我們需要提高每顆決策樹的深度。

maxCategories=35，treeMaxDepth=6，treeNum=20：

maxCategories=35，treeMaxDepth=14，treeNum=23

maxCategories=35，treeMaxDepth=30，treeNum=23：

        可見單個決策樹越深，效果越好，為了保證訓練的速度，現在保持樹深為15，增大隨機森林中樹的個數，發現效果也有變好

maxCategories=32，treeMaxDepth=15，seed=7，treeNum=45：

maxCategories=32，treeMaxDepth=30，seed=7，treeNum=100：

但樹的個樹一旦超過100，再增加樹的個數模型效果改善就不大了：

故最終引數調整如下：

maxCategories=32，treeMaxDepth=15，seed=7，treeNum=150：

        可見，只用帶標籤的資料，利用隨機森林訓練出的模型風險資料召回率並不是很高（接近0.5），因為有些無標籤資料中也包含黑樣本特徵的重要資訊。

        故接下來用以上訓練出的模型對無樣本資料打標籤。由於篇幅原因，在下一篇部落格中介紹。