默认无标签的都是黑样本。
因为案例背景中有说道，因为风控系统会基于对交易的风险判断而失败掉很多高危交易，这些交易因为被失败了往往没有了标签，而这部分数据又极其重要。所以这里我们可以相信既然系统都判断你是高危交易了，我就直接认为你是风险交易好了。相信蚂蚁金服线上风险评估系统，没毛病吧，哈哈。
加上这次共994731条数据，有标签的990006条（16847条有风险，973159条无风险），无标签的数据有4725。无标签认定为风险数据也说得过去。
这次换用xgboost加交叉验证（kfold=5），得到混淆矩阵结果如下：
可见对风险数据样本召回真的是爆表啊（高达0.788），但是这模型太过分了，显然是不行的，绝大多数交易都被认定成有风险的，如真实无风险的被判定为无风险的有408条，真实无风险的被判定为有风险点的则有292869条，如果这样，应用肯定无法正常进行交易了。。。但我们可以用此模型去标记无标签数据。宁可错杀一百，不愿放过一个。
试了下，这样确实可以提升模型效果。