互联网金融的数据是异常的特别少，但是数据来源特别广，特别杂，维度高，需要对数据进行聚合，而这带来数据缺失，数据相关性太强（这个没get意思？？），容易过拟合。

数据的来源不同，覆盖人群也不同，数据拼接存在缺失，变量缺失对线性模型影响效果。
数据缺失的填充方法，常用的是均值/众数/中值等，以及一些模型处理后的结果作为填充；缺点是在后面模型应用中，这类填充的变量没有拿到原始信息，降低效果，填充是基于似然估计的。

概率主成分和贝叶斯网络

概率pca和pca是同理论方法，一种变换，从一个空间到另一个空间。p维数据，求p维数据的协方差矩阵，得到协方差矩阵的特征根和特征向量，特征根排序前k的特征向量作为p维降到k维。

概率pca是p个变量来自于k隐变量，这些隐变量有条件概率服从正态分布。

参考文章：概率图模型在金融风控中的应用