*作弊用户行为序列图片化

来源：https://mp.weixin.qq.com/s?__biz=MzA4OTAwMjY2Nw==&mid=2650188070&idx=1&sn=7d5cd848251eada7f1379ef896808fb6&chksm=88238ee2bf5407f40664cb98d6a14b4edab62e4411e16b83c04ddfea01f950c04ce0ea11d472&scene=21#wechat_redirect

在风控里面，用户的行为特征是非常重要的特征，但是经常都是在比较单一的维度去提取特征，有没有一种可能，放到二维甚至更高维度。这样就能提取到更为抽象的特征。下面是我研究过的两中方法，由于时间和业务变化的关系，只做了初步的探索，并没有做到最后，这里分享给大家，看看能不能有什么启示。
通过这种方法，很多比较明显的特征能够发现。

1、单一特征，双时间维度上构建行为热力图，每个特征构建一个图

2、多个特征，单时间维度，将多个特征和时间分别作为一个维度，每个用户构建一个图。
**

构建完成后，通过图片算法，进行分类。

案例：正常商家，后天登录时间基本和上班时间吻合

案例：异常商家，登录时间和正常上班时间不一样

大家可以看看自己的场景，测试下效果，我现在的业务不是很好测试，后面有机会会进行全面的测试。