1.4 案例总结

笔者在实际工作中发现，对模型预测样本进行营销，其成功率是非预测样本的8倍。这说明模型找到了具有月活特征的非月活客户，手机银行营销成功率的提升对银行经营意义重大。本案例是自动机器学习技术在商业银行经营场景中的应用，展示了自动数据预处理、自动特征选择、自动建模、自动算法选择、自动参数调优等一系列方法使用，读者可在此基础上稍作修改，将这套方法应用在其他场景。虽然自动机器学习方法通常都是在事先约定的算法空间和参数空间中搜索最优解，但具有很强的通用性，适用于很多建模场景，整个项目过程几乎不需要人工干预，并且与传统手工建模相比，具有高效、准确、智能的特点，大幅减少建模的人力投入和时间成本，在精准营销、客户识别、智能风控、经营决策等方面有积极意义。因此，自动机器学习方法大有可为，结合机器学习展示框架Streamlit，我们甚至可以打造一套交付给业务人员使用的实时在线自动化建模系统，比传统建模方法更快、更高效。本章抛砖引玉，读者可以深入研究本案例中的开源框架的具体细节，做出更高质量的项目。