如何进行多源数据融合？

# 1. 多源数据说明：

- 数据是一张表格，字段如下： User_id, S_model1, S_model2, S_model3, feature1, feature2, feature3, Y, dt

- 其中User_id是用户编号，dt是时间分区，Y是目标，feature是特征，S_model表示其它的模型分

- 不同的S_model来自不同数据源，feature1、feature2和feature3来同一个数据源

- 不同分区内，数据源有不同程度的缺失和断流

数据示例如图：

# 2. 目前的融合方案是：

将所有字段均视为特征，输入xgb进行训练。

该方案存在如下问题：

- 训练集上，xgb模型的性能较低。

- 模型上线后，用户的Y标的预测很不稳定（用户某个特征的缺失导致其Y标大幅变动，这是很不合理的）。

# 3. 请问有好的多源数据融合方法吗？能克服各数据源的缺失/断流问题，有效利用各个数据源的带来的增益，最终：

- 提高训练集上xgb模型的性能

- 提高模型对用户Y标预测的稳定性