·首先就是模型平衡档，这个目录就是根据五大部分加后续规划，可能会加个后续规划。第一部分就背景说明，第二部分是什么？当做回顾一下。第二部分就是建模，建模发介绍。第三部分就是样本定义及分布，表现期y的定义和酵母样本的分布。第四个就是模型效果，这一个阐述模型的离合情况，k s、i u c、k s table等等。
·还可以做一些补充分析，与脑科、脑模型的交叉分析。还有最后关键上面的模型的入模特征的描述，包括可用的数卷的一些特征讲解一下。肉模特征的作图，做一个battle的走势图，可能会加一些成本分析。成本分析后面我给大家讲，肉模变量成是用哪些数据源对应的什么成本。
这样多个模型进行选择，比如模型a用a r模型做的十五个入模变量，效果可能是k s四十，模型b也用x t b做模型，叫模型b。入模是五十个变量，五十个变量的效果可能是四十一、四十二，但是成本就不一样了。十五个变量对应的成本可能就是来源于三个数据，每调用一次价格可能都两块钱。
差的b可能需要五十个变量，调用一次可能需要三块钱，而仅仅k s只提高了零点二，不如用l2模型考量成本的因素。
·后面还有后续需要改进的地方，比如需不需要分客群建模，提出这样的遐想，尿酸的同学去确定一下用什么样的客群去划分，去划分什么样的客群，先记后本的客户需不要单独再做个模型等等。就类似于后续的规划，这个跟之前截图是一样的，就是些模板什么样的业务，背景是什么，为什么要开发模型，老模型当时为什么不稳定以及ks到达多少了，为什么要开发新模型，预期的ks达到多少，预期的区分就达到多少等等。
用哪些数据源，用哪些观测样本，观测样本数多少时间段等等。建模方案的介绍就是如何筛选样本，用什么样的模型，样本的定义和分布，y怎么定义的，据外定义，卓越的分布是怎么样的，是否稳定等等。模型的离合效果就比较好了，lr达到六十，零点六一，而且非常接近。
kstable也是非常单调的，并且提升度非常非常大，高分段就是高率概率比较高的，这一段外购物非常明显，百分之七十接近，这个非常好，可以直接作为策略了，直接可以砍掉了。像前大于零点一五的概率大于零点一五的可以直接进行拒绝。
·然后样本的一些描述等等，入不变的描述是否单调，分布情况等等。
·成本分析就是比如这个例子当中可能用到了内部数据，比如十五个特征，有第三个是内部数据，就是可能APP上获取的一些数据。
·还有几个变量，五个特征是用的file去采购的一些数据，file分也是非常贵的，可能一块钱钓上一次。
·然后同盾等的外部数据，多投数据，还有消费数据，消费记录等等，就这样的数据。
·还有一些融汇的三方的设备信息，还有一些多投的一些等等，可能钓一次零点八。
