QBUS6600 Future Financial Value 建模报告的七处小改动

模型比较表顶上加两行参照

你草稿里的模型比较表，我会在顶上加两行。第一行是常数基线，每个训练折用 log(1 + y) 的均值去猜所有人；第二行是一条店长不用模型也会用的经验规则：未来 24 个月的消费等于过去 24 个月的消费。两行和其他模型用同一组 folds、同一个主指标来算。

Model building 这一栏写着 「a high standard of predictive accuracy in line with what is achievable」。只给一个 RMSLE，marker 判断不了它算好还是算差；有了下限和一条现成的规则，你的模型比它们好多少就能直接读出来。和规则差得不多也照写，再补一句模型多出来的准确度落在哪类会员身上，guide 的示例报告里是 T0 前消费过、之后一分没花的那批会员。

同一张表再加一列训练折误差

验证折的 CV 均值和标准差旁边，我会再放一列训练折上的 RMSLE，最后一列写两者的差。树和 bagging 这类模型的训练折误差通常比验证折低很多，差距列出来，你没选它就有了数字上的理由。

这一列对应 rubric 的 「You are not misled by overfitting」。只写「我们用了交叉验证」，marker 只能确认流程存在；训练和验证的差距摆在表里，表下再用一句话点名差距大的那个模型、说明为什么没选它，这句要求就有了证据。

在 log 尺度训练的，算钱用各层实际平均消费

模型在 log(1 + y) 上拟合、再换回金额时，预测会系统性偏低：对数尺度上的平均值换回去接近几何平均，比算术平均小。这份数据约 34% 的会员未来消费为 0，右尾又长，偏差不小。换回金额是单调变换，排序不受影响，金额却不能直接拿来做预算。

我会在诊断一节加一张小表：按预测值分成十组，每组并排写实际平均消费和预测平均消费。表下写它改变了哪个决定：第 4 节估算收入时用每个价值层训练会员的实际平均消费，模型只负责排序。Rubric 要的是 「You note crucial assumptions and whether they are potentially violated」，这张表检验了假设，表下那句话交代检验结果改了预算的算法。

方向和 EDA 相反的系数单独写一段

Ridge、Lasso 这类透明模型的系数里，常有一两个符号和 EDA 看到的方向相反。guide 的示例报告里是跨品类数：单独看，品类越多未来收入越高，进了 Ridge 系数却是负的。我会把这样的系数挑出来写一段：单独看是什么关系，控制了消费金额和频次以后为什么变号，结论因此只能落在特征组上。

这一段同时对上 「You interpret the estimated models」 和 「crucial assumptions」 两句。变号常见的原因是共线性，报一下 VIF 超过 10 的特征有几个，「没有严重共线性」这个假设有没有被违反就有了数字。

数据处理写成四列表，最后一列写不处理会怎样

每个处理决定写成一行，四列是问题、证据（影响的行数或人数）、处理、不处理会怎样。官方材料里就有现成的几行：数据字典写明 Age 是 data extract 时的年龄，比 T0 晚约两年；活动开始于 T0 之后的预约，AttendedInd 是空的；booking 的 Price 是 rate card，不代表付过钱。Dataset explainer 写了 households were kept together in the train/holdout split，用了家庭特征就按家庭分组做交叉验证，否则同一家人分在训练和验证两边，家庭消费会把验证会员的信息带进训练。