16 · 重训练

from sklearn.metrics import roc_auc_score
import pandas as pd

def decay_curve(df, train_end_week, model_fn, feats, horizons=(1, 2, 4, 8, 12)):
    """冻结一个在 train_end_week 之前训好的模型，看它之后 k 周的效果衰减
    df 需要有 week 列；model_fn(训练集) 返回一个已 fit 的模型"""
    m = model_fn(df[df.week <= train_end_week])          # ⭐ 训完就冻住，之后不再更新
    rows = []
    for k in horizons:
        seg = df[(df.week > train_end_week) & (df.week <= train_end_week + k)]
        auc = roc_auc_score(seg.y, m.predict_proba(seg[feats])[:, 1])
        rows.append({"上线后第几周": k, "AUC": round(auc, 4)})
    return pd.DataFrame(rows)

# 典型输出：
#    上线后第几周     AUC
#            1     0.8410
#            2     0.8395
#            4     0.8352
#            8     0.8218      ← ⭐ 相对起点掉了 0.019，接近可接受上限
#           12     0.8079

# 🧩 骨架：`df` 来自你自己的代码，这一段只看写法

def time_decay_weight(days_ago, half_life=30):
    """指数衰减：半衰期 30 天 → 30 天前的样本权重是今天的一半"""
    return 0.5 ** (days_ago / half_life)

sample_weight = time_decay_weight(df["days_ago"].values, half_life=30)
model.fit(X, y, sample_weight=sample_weight)     # ⭐ 大多数库都支持

import pandas as pd
def tune_window(df, valid_start, model_fn, feats,
                windows=(30, 60, 90, 180, 365, 10**9)):
    """把训练窗口当超参数调。⭐ 验证集必须在【时间上靠后】，不能随机切"""
    va = df[df.day >= valid_start]
    rows = []
    for w in windows:
        tr = df[(df.day < valid_start) & (df.day >= valid_start - w)]
        m = model_fn(tr)
        rows.append({"窗口(天)": w, "训练样本": len(tr),
                     "AUC": round(roc_auc_score(va.y, m.predict_proba(va[feats])[:, 1]), 4)})
    return pd.DataFrame(rows)

# 典型输出（⭐ 注意 AUC 是【先涨后跌】的，最优窗口在中间）：
#   窗口(天)   训练样本      AUC
#        30    62,000     0.7902     ← 样本太少，方差大
#        60   124,000     0.8071
#        90   186,000     0.8118     ← ⭐ 最优
#       180   371,000     0.8043
#       365   742,000     0.7961
#      全量  1,510,000    0.7834     ← 💀 默认做法，反而最差

def gate_data_quality(new, ref, feats, psi_max=0.25, row_drop_max=0.2):
    """闸1：⭐ 不能只看行数和缺失率 —— 那两项是最低标准，挡不住"单位变了"这类故障"""
    issues = []
    if len(new) < len(ref) * (1 - row_drop_max):
        issues.append(f"行数骤降：{len(new)} vs 基准 {len(ref)}")
    for f in feats:
        miss = new[f].isna().mean()
        if miss > ref[f].isna().mean() + 0.05:
            issues.append(f"{f} 缺失率异常：{miss:.1%}")
        p = psi(new[f], ref[f])                       # 第 6 章的 PSI
        if p > psi_max:
            issues.append(f"{f} 分布突变：PSI={p:.2f}")   # ⭐ 真正挡住事故的是这一行
    return (len(issues) == 0), issues