第1章：模型开发环境搭建

说实话，很多做风控的同学，模型调得再好，一到部署就翻车。为啥？环境没搭对。

我见过太多案例了——本地跑得飞起，上了服务器就报错。说白了，就是环境不一致。所以今天咱们先把地基打牢。

1.1 Python环境配置

Python版本怎么选？我个人习惯用3.8或3.9。为什么？

• 3.8以下，很多新库不支持了
• 3.10以上，有些风控老库还没适配
• 3.8/3.9，生态最稳

我在项目中遇到过，团队有人用3.11，结果某个xgboost版本死活装不上。嗯，后来统一降级到3.9，问题秒解。

1.2 Anaconda使用

Anaconda这东西，说白了就是个环境管家。你想想看，一个项目要pandas 1.3，另一个要1.5，没有conda你怎么办？

我常用的几个命令：

# 创建环境
conda create -n risk_model python=3.9

# 激活环境
conda activate risk_model

# 安装包
conda install pandas numpy scikit-learn

# 导出环境（这个在部署时特别有用）
conda env export > environment.yml

# 从文件重建环境
conda env create -f environment.yml

1.3 Jupyter Notebook设置

Jupyter Notebook，做风控模型开发的标配。但默认配置其实挺难用的。我一般会做这几件事：

1. 改默认端口——避免和同事冲突
2. 设置密码——安全第一
3. 配置远程访问——方便在服务器上跑

生成配置文件的命令：

jupyter notebook --generate-config

然后修改 ~/.jupyter/jupyter_notebook_config.py：

c.NotebookApp.ip = '0.0.0.0'      # 允许远程访问
c.NotebookApp.port = 8888          # 端口
c.NotebookApp.password = ''        # 密码（用jupyter notebook password设置）
c.NotebookApp.open_browser = False # 不自动打开浏览器

1.4 常用库安装

风控模型开发，这几个库是标配：

库名	用途	安装命令
pandas	数据处理	conda install pandas
numpy	数值计算	conda install numpy
scikit-learn	传统模型	conda install scikit-learn
xgboost	梯度提升树	conda install -c conda-forge xgboost
flask	模型部署	conda install flask
lightgbm	另一个GBDT	conda install -c conda-forge lightgbm
joblib	模型序列化	conda install joblib

安装时有个顺序问题。我建议：先装pandas和numpy，再装sklearn，最后装xgboost。为什么？因为xgboost依赖底层C++库，如果先装它，有时候会和numpy版本冲突。

1.5 验证环境

装完之后，跑个简单的测试脚本：

import pandas as pd
import numpy as np
from sklearn.ensemble import RandomForestClassifier
import xgboost as xgb
import flask

print("pandas version:", pd.__version__)
print("numpy version:", np.__version__)
print("sklearn version:", sklearn.__version__)
print("xgboost version:", xgb.__version__)
print("flask version:", flask.__version__)

# 简单测试
X = np.random.rand(100, 5)
y = np.random.randint(0, 2, 100)
model = RandomForestClassifier()
model.fit(X, y)
print("模型训练成功！")

如果没报错，恭喜你，环境搭好了。

1.6 本章知识体系

下面这张图，帮你理清整个环境搭建的逻辑：

这张图展示了从Python基础环境到最终模型部署的完整链路。每一步都环环相扣，缺一不可。

环境搭好了，后面的事情就顺了。下一章咱们开始讲数据预处理，那才是真正考验功底的地方。

---

公众号:蓝海资料掘金营，微信deep3321