| name | segment-modeling |
| category | 建模训练 |
| description | 【分群自主探索】当用户需要"分群建模"、"客群拆分训练"、"探索最优分群方案"、"按xxx分组建模"、"不同客群分别训练"、"分群策略"时使用。支持规则分群（人类先验）、聚类分群（无监督发现）、决策树分群（有监督优化），自动探索最优分群策略并汇总子模型。前提条件：需要已完成基线建模（xgb-modeling）。不做全量样本统一建模，不做超参数调优。与 xgb-modeling 的区别：本 Skill 拆分客群分别建模，xgb-modeling 全量样本统一建模。 |
| next_steps | [{"skill":"model-explanation","text":"解释各子模型","prompt":"哪些特征最重要？解释模型决策逻辑"},{"skill":"model-comparison","text":"多算法对比","prompt":"与统一模型对比一下效果"}] |
分群自主探索 (portable)
在用户指定或 AI 自主发现的分群策略下，拆分客群训练子模型，自动探索最优分群方案。
核心理念：
探索空间（策略 × 参数 × 组合）
│
▼
Try → Measure → Keep/Discard → Repeat
│
▼
最优分群方案 + 子模型
三种分群策略
| 策略 | 说明 | 适用场景 |
|---|
| 规则分群 | 用户指定规则（如 age < 30） | 有业务先验知识 |
| 聚类分群 | K-Means 等无监督自动发现 | 探索数据内在结构 |
| 决策树分群 | 有监督找最优分割点 | 直接优化目标变量 |
参数说明
| 参数 | 必选 | 默认值 | 说明 |
|---|
--data_path | ✅ | - | 数据文件路径（parquet/csv） |
--target | ✅ | - | 目标变量列名（0/1 二分类） |
--mode | | auto | 模式: auto(自主探索) / manual(指定策略) |
--max_rounds | | 5 | 自主探索最大轮数 |
--segment_rules | | - | 规则分群，JSON格式 |
--segment_col | | - | 直接指定分群列名 |
--n_clusters | | 3 | 聚类分群数 |
--tree_depth | | 2 | 决策树分群深度 |
--tree_features | | - | 决策树使用的特征，逗号分隔 |
--min_segment_ratio | | 0.05 | 最小分群占比（<5%会警告） |
--merge_strategy | | route | 汇总策略: route / stacking |
--metric | | ks | 优化指标（auc/ks） |
--significance | | 2.0 | 显著性阈值（MAD倍数） |
--time_col | | busi_dt | 时间列名 |
--train_filter | | - | 训练集筛选条件 |
--val_filter | | - | 验证集筛选条件 |
--output_dir | |
执行方式
自主探索最优分群
python scripts/run_segment.py \
--data_path ./data.parquet --target y_label \
--mode auto --max_rounds 5 \
--output_dir ./outputs/seg
用户规则分群
python scripts/run_segment.py \
--data_path ./data.parquet --target y_label \
--mode manual \
--segment_rules '{"年轻": "age < 30", "中年": "age >= 30 and age < 50", "高龄": "age >= 50"}' \
--output_dir ./outputs/seg
聚类自动分群
python scripts/run_segment.py \
--data_path ./data.parquet --target y_label \
--mode manual --n_clusters 4 \
--output_dir ./outputs/seg
决策树分群
python scripts/run_segment.py \
--data_path ./data.parquet --target y_label \
--mode manual \
--tree_depth 3 --tree_features "age,income,credit_score" \
--output_dir ./outputs/seg
输出内容
实时进度（流式输出）
━━━ Round 1/5: 基线（不分群）━━━
单一模型 AUC: 0.742
━━━ Round 2/5: 用户规则分群 ━━━
规则: age < 30 | 30-50 | > 50
分群样本: [12,340 | 18,560 | 14,288]
子模型 AUC: [0.71 | 0.75 | 0.78]
汇总 AUC: 0.758 (+2.2%)
决策: ✅ KEEP
━━━ Round 3/5: 决策树分群 (depth=2) ━━━
自动分割: income < 5000 → ...
汇总 AUC: 0.772 (+1.8%)
决策: ✅ KEEP (新最佳!)
最终报告
- 最优分群方案详情
- 各策略对比表
- 子模型列表及指标
- vs 基线提升幅度
- 分群稳定性分析（PSI）
评估标准
| 指标 | 说明 | 阈值 |
|---|
| 整体 AUC | 分群模型汇总后效果 | 越高越好 |
| vs 基线 | 相比不分群的提升 | > 0 |
| 分群稳定性 | OOT分群比例变化 | PSI < 0.1 |
| 最小覆盖率 | 最小群占比 | > 5% |
与其他技能的关系
| 技能 | 职责 | 关系 |
|---|
xgb-modeling | 单模型训练 | 被复用训练子模型 |
auto-experiment | 特征探索 | 可在分群后对各群独立优化 |
feature-analysis | 特征分析 | 辅助选择分群特征 |
注意事项
- 分群数量：建议 2-5 群，太多易过拟合
- 最小样本量：每群建议 > 5% 总样本
- 稳定性：关注 OOT 分群比例是否稳定
- 业务可解释：决策树分群规则更易解释
- 组合使用：可先分群再对各群做特征探索
