在应用科学领域，算法的选择和应用是一个复杂的问题，它涉及到数学、工程和业务策略等多个方面。这篇文章，我们来看看算法的增益、部署问题、线性与非线性模型的选择，以及树模型和神经网络算法的适用场景。

其实，在应用科学领域，这是最微不足道的。

AI，就是数学的游戏，这不能算贬义，因为数学真的是皇冠。

算法带来的超额效果很小。除了逻辑回归复杂度较低之外，xgb、lgb，神经网弱等学习能力都很强，算法的增益几乎可以忽略不计。

选择算法，最重要的是考虑部署问题。如果你们工程上只会逻辑回归的线性计算，那你就只能选逻辑回归。选择别的算法，要先解决工程问题。但其实都好解决，也不好解决，主要看系统能力，其次看个人能力。

从线性和非线性的角度说吧，逻辑回归当然是线性的，神经网络和树模型是非线性的。这个问题带来的结果是，线性的需要分客群，非线性的可能可以不特别需要分客群。

为什么？

ln(odds)=a1x1+a2x2+…，你看表达式就知道了，不同客群的系数矩阵A肯定是不一样的，实际上连组成X矩阵的woe值都不一样。不一样的表达式，采用线性的方式强行合成一个，肯定是有损的。

那树模型呢？分客群可以看作第一层分裂进行了手动分群，其实还不如不分，留给算法自己分。如果你保证总的复杂度不变的话，我相信算法自己分效果会更好。

也就是说，假如分了n个客群，建了n个模型，对比的那一个不分客群的模型，在相同的参数下，评估器的数量应该乘以n。

我们这里说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，做策略的时候自行去划分就好了。

有人说，神经网络算法更适合同质类数据，即数据的每一维变量是有同样含义的，比如图像中的像素、文字中的字符、音频中的波形，决策树算法更适合异质类数据，比如风控场景中的年龄、收入、职业等。

有点道理，这是结构化数据和非结构化数据的另一种说法。

有人说，在风险建模的时候，若采用树算法，最常采用的参数为低深度、高数量（树深通常设置为2-3，树的棵数设置为几十到一百），一旦树深设置过高，则极易产生过拟合，这与我们对金融数据缺少高阶信息的评判相符。一旦涉及到高阶交叉特征，则此时带来的噪声极可能超过信号，甚至影响到低阶特征的学习效果。对于同质信息，比如数据源都为多头信息，树深可以设置的高一些，因为此时更深的树也不代表高阶交叉，本质上只是同一个信息源的不同分裂节点而已。

有点道理，树深的问题理解成高阶不高阶，仁者见仁智者见智，毕竟树深越深模型越复杂效果就是越好，你不能说它有什么大问题。设置低树深更重要的是和策略，和人的理解保持一致，三个变量交叉已经够你理解的了。至于同质信息，更深的树不代表高阶交叉，这样说也对，毕竟多个多头变量组合你可以理解成一个更复杂的多头变量加工。但是无须差异化，仍然保持低树深即可。