本文探讨风控建模的过程，包括业务需求挖掘、数据搜集处理、模型训练开发、部署及测试上线、模型闭环监控及优化。通过实例解析如何利用机器学习解决业务痛点，提高审批通过率和营销转化率。
「风控ML」系列文章，主要是分享一下自己多年以来做金融风控的一些事一些情，当然也包括风控建模、机器学习、大数据风控等相关技术分享，欢迎同行交流与新同学的加入，共同学习，进步！
机器学习建模现在在很多地方都是十分流行，无论现在的你是否从事建模工作，了解这些建模的过程还是十分必要的。话不多说，直接进入正题。
一个机器学习模型的开发周期一般可以分为：
1、业务需求挖掘（Business insight）
2、数据搜集处理（Data Curation）
3、模型训练开发（Modeling）
4、部署及测试上线（Deployment）
5、模型闭环监控及继续优化（Feedback & Improvement）
最低0.47元/天 解锁文章
731
被折叠的 条评论
为什么被折叠?
到【灌水乐园】发言
