我想了解一下蚂蚁金服的信用评价模型流程和步骤。
下面是与图相应的问题：
1. 该步骤具有多少个变量？
2. 原始数据池可以分成哪几个主要的特征集（如身份、资产、收入、行为偏好、社交网络）？
3. 各特征集里面是否再分成特征类型（如搜索内容的特征集会分成正面搜索内容、负面搜索内容、搜索及点击）？各特征集会分哪些类型呢？
4. 哪些特征类型的意义比较大？
5. 会筛选多少个特征进入特征工程步骤？能否按照不同特征工程方式分配 (2-1. 直接（或经过少量加工后）作为模型特征的原始数据、 2-2. 经过一定的加工后从原始数据输出的特征、2-3通过机器学习算法输出的特征)
6. 特征工程流程输出的特征最后有多少个被筛选纳入信用评分模型？ (3-1直接（或经过少量加工后）作为模型特征的原始数据、3-2经过一定的加工后从原始数据输出的特征、3-3通过机器学习算法输出的特征)
7. ACS模型的最主要算法是什么？
8. 模型表现如何？（如：AUC>0.7、PSI>0.2）
谢谢大家
