segment-modeling

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

1. 分群数量：建议 2-5 群，太多易过拟合
2. 最小样本量：每群建议 > 5% 总样本
3. 稳定性：关注 OOT 分群比例是否稳定
4. 业务可解释：决策树分群规则更易解释
5. 组合使用：可先分群再对各群做特征探索