- 博客(3)
- 收藏
- 关注
RSS订阅原创 无监督学习在反舞弊中的应用
无监督学习模型不是简单的“异常检测工具”，而是企业风险管理的“数据显微镜”和“模式发现引擎”。提前发现新型风险：在舞弊行为造成重大损失前识别异常信号穿透复杂关系：发现人工难以察觉的团伙作案模式持续自我进化：通过反馈闭环不断优化检测能力量化风险分布：建立全员、全业务的风险热力图最终，无监督学习与监督学习、规则引擎共同构成企业智能风控的“三驾马车”，实现从被动防御到主动免疫的数字化转型。
2026-03-02 20:06:37
447
原创 从思维模型到智能算法：构建企业数智化决策与风控的完整体系
这个过程并非一蹴而就，需要持续的学习、思考与实践，但正如“窄门思维”所启示的，这条艰难而正确的道路，终将引领个人与组织穿越复杂，抵达更广阔的未来。必须建立覆盖模型全生命周期（开发、验证、部署、监控、退役）的治理框架，确保AI算法的公平性、可解释性、稳健性和合规性。相关内容编写，旨在从“思维模型的理论基础”、“数据分析与机器学习的技术实践”，到“AI赋能审计风控的智能应用”，构建一个从认知到实践、从理论到落地的完整知识体系，详细阐述各类模型与算法的核心内容、使用方法与应用场景。不同任务选用不同指标。
2026-03-02 07:04:44
749
原创 数据有限场景下智能化反舞弊解决方案
这能减少对本地数据的需求，公式表示为：损失函数 $L(\theta) = L_{\text{task}}(f_{\theta}(x), y) + \lambda \|\theta - \theta_{\text{pre}}\|^2$，其中 $\theta_{\text{pre}}$ 是预训练参数，$\lambda$ 控制正则化强度。这能持续提升模型适应性。模型预测可表示为 $\hat{y} = \sum_{k=1}^K f_k(x)$，其中 $f_k$ 是基学习器，通过贪婪算法优化以减少过拟合风险。
2026-03-01 14:13:00
322
空空如也
空空如也
TA创建的收藏夹 TA关注的收藏夹
TA关注的人