Evilom
8.3 KiB
Jhk8dL4SPosLpuxjvXvcPNU6nzf
Source: https://fcnlycv6dd0w.feishu.cn/docx/Jhk8dL4SPosLpuxjvXvcPNU6nzf
一、 今日内容概述
- 补偿性、流动性机制交叉检验 auto. 变量池交叉检验、去重与分层 auto. 阶段四机器学习前置流程梳理
二、交叉检验：补偿、流动
将双方分别独立整理机制变量方案，再按照统一流程互相复核机制定义、字段构造、变量边界和入池可行性，避免单一路径判断偏差。
交叉检验的五个评估维度
- 理论边界：机制定义是否清楚，是否与其他机制保持边界
- 数据可构造性：字段是否存在、粒度与合并键是否明确、变量能否实际构造
- 变量有效性：变量是否真正代表该机制，字段与公式是否能够支撑这种解释
- 入池可行性：是否存在 X/Y/结果边界混淆，能否进入统一变量池
- 后续试跑价值：当前是否达到可交接、可入池准备或可试跑标准
发现问题与复核反馈
流动性机制
主要发现以下问题：
- 流动性机制定义为：“人数平衡后的组织集中度”，但还需要确认流动性与公平性机制的边界，并与公平性的结构补充变量、同盟结构代理变量做跨机制去重。 避免变量混口径。
- liq_conc（组织集中度综合指标）与 liq_hhi（联盟集中度指数）、liq_top（最大联盟占比）、liq_eff_n（有效联盟数）之间可能存在重叠，需要继续做机制内去重。
- liq_ret（联盟成员留存率）的解释边界较弱，需要进一步判断是否仅保留为探索变量。
- 需要确认时序口径，避免把组织结构变量误写为结果性状态变量。
- 需要通过真实底表复核其可复现性、覆盖率和玩家层回填一致性。
补偿性机制
主要发现以下问题：
- 有 8 个变量直接使用了当期投入或最终结果，边界偏结果诊断，不宜直接作为第一轮主变量。
- 另有 2 个变量仍属于最终结算口径，事后性较强，需要改成活动进行过程中的前期或阶段性变量后，再判断是否进入主变量池。
- 补偿性主线还需要补充：弱势识别、恢复配置、保护规则及阶段状态相关字段，避免变量继续停留在诊断或代理口径。
- 需要通过真实底表复核其可复现性、覆盖率和玩家层回填一致性，确认距离领先者多远（cmi_city_gap_lag）、距离最近可追赶对象多远（cmi_catchup_gap_lag）、赛局是不是过早锁死（cmi_lockin_lag） 等阶段版变量能否稳定构造并回填。
复核结果反馈：
- 流动性机制 已完成复核与补充检验，目前进度：正式进入变量池。 主变量确定为 liq_hhi，liq_conc 作为汇总对照，liq_top、liq_eff_n 作为拆解变量，liq_ret 仅作探索变量。 [表格] auto. 补偿性 已完成第一轮复核与候选变量检验，目前进度：暂不正式入池，保留在变量池准备区。 继续保留 cmi_city_gap_lag、cmi_catchup_gap_lag、cmi_lockin_lag 作为候选变量。等待恢复、保护、再参与等规则层字段补充后，再判断是否升级为正式入池。 [表格]
表1：现阶段七大机制变量进度 主要卡点说明：
- 激励性： 问题：奖励规则是有的，但现在能看见的变化不够。玩家面对的奖励差距、离下一档奖励还有多远，这些“会不会继续冲”的关键信息还不够细，所以不容易把激励效应稳定算出来。 调整：等字段补充后构建奖励边界压力变量。 [表格]
- 补偿性： 目前只能看到一部分“早期落后差距”的现象，还没把恢复、保护、再参与这些真正体现补偿性的规则字段完整拿到。也就是“弱势方怎么被扶一把”这条链路还没完全打通。—— 等字段需求回复后构建规则层变量，再判断是否正式入池 [表格]
三、阶段三：联合准备
本阶段目标：把已完成单机制收口的变量接入统一变量池，并完成交叉检验、去重和入模前分层，为后续机器学习试跑做准备。
流程图：
（一）当前已入池机制
（二）为什么要做交叉检验与去重
各机制变量已经经过单机制层面的多轮分析和整理，基本符合各自机制的入池要求。但统一放入公共变量池后，仍可能出现变量重复、机制边界交叉、同源代理变量并列、结果信息回灌或共线性问题。所以，在进入机器学习前，需要依次完成变量池交叉检验与去重、联合入模前检查。
“变量池交叉检验与去重” 主要有三项内容：
- 【08. 接入变量池】
- 汇总正式入池变量，并标注准备区变量状态，统一变量名称、中文含义、层级、状态和结果变量口径。
- 将公平性、私有性、互补性、互动性、流动性五个机制接入正式变量池 auto. 【09. 交叉检验与去重】
- 检查变量之间是否存在重复、共线、跨机制混淆或结果信息回灌，对不适合并列进入模型的变量进行降级、替换或暂缓处理。 auto. 【10. 入模前检查】
- 将变量分成主变量、补充/控制变量、稳健替换变量和暂缓变量。
- 检查字段缺失、合并键、样本覆盖率、变量方向、标准化和分组切分方式。
（三）阶段性结果汇总
已完成机器学习前的变量池联合准备：五个机制正式入池，共 28 个候选变量。并完成变量交叉检验、去重和入模前变量分层。 结果 1：正式入池机制 结果 2：变量分层结果
- 第一批主变量明细 第一批主变量共 9 个，用于后续联合比较和机器学习初筛，主要覆盖当前正式入池的五个机制。
四、阶段三与阶段四的衔接逻辑
当前状态：【阶段三：联合准备】已完成第一轮收口，阶段四进入准备阶段。
阶段三解决的问题： 哪些变量可以作为候选入口？哪些变量只能补充？哪些变量只能替换检验？哪些变量暂时不能进？ 阶段四解决的问题： 这些变量真正和综合投入结果表拼起来以后，能不能跑？跑出来后，哪些机制变量更突出？哪些变量被吸收、重复或边界不清？哪些机制值得后续作为论文重点机制？
- 衔接链路图示：
（一）阶段四定位
阶段四的重点不是直接得出机器学习结论，而是先把机制变量 X 与综合投入结果变量 Y/K/L/K-L 接到同一张建模底表中，完成字段核验、缺失率检查、变量方向确认、标准化、相关性和共线性检查，再进入 A/B/C/D 联合试跑和机器学习特征重要性初筛。 阶段四分为两个部分：
- 前半段：联合建模准备 完成统一建模底表、字段核验、缺失率检查、变量方向确认、标准化处理，以及相关性和共线性初筛。
- 后半段：机器学习试跑 在统一底表和字段检查完成后，开展 A/B/C/D 四轮联合试跑和机器学习特征重要性初筛。
（二）阶段四详细流程
说明：下方图片展示了阶段四的详细流程，包括前半段准备和后半段试跑的具体步骤。 注意：
- A/B/C 轮主要属于联合模型与变量稳健性预检，D 轮才进入机器学习特征重要性初筛。
- C 轮是“变量口径替换”，不是“算法替换”。
阶段四核心分析问题：
- 哪些机制变量在综合投入 上更突出？ （判断哪些机制更适合解释综合投入） auto. 哪些机制主要解释 ？ （判断哪些机制更偏行为投入） auto. 哪些机制主要解释 ？ （判断哪些机制更偏金钱投入） auto. 哪些机制影响 - 结构？ （判断机制是否改变投入结构） auto. 哪些变量被其他变量吸收？ （判断变量是否重复或不独立） auto. 哪些变量高风险但仍有信号？ （判断是否降级为补充或稳健变量） auto. 哪些机制更适合作为后续重点分析对象？ （为后续主机制选择提供数据证据支持）