![](https://img-blog.csdnimg.cn/20201014180756928.png?x-oss-process=image/resize,m_fixed,h_64,w_64)
反欺诈风控学习日志
文章平均质量分 67
陈xr
信任自己的记录,相信日复一日看似微不足道的积累
展开
-
2024-03-05(反欺诈风控)
缺失值处理方法一般可分为:删除、统计值填充、统一值填充、前后向值填充、插值法填充、建模预测填充和具体分析7种方法。1.一般来说,未经处理的原始数据中通常会存在缺失值、离群值等,因此在。原创 2024-03-05 10:03:21 · 415 阅读 · 0 评论 -
2024-03-04(反欺诈风控)
当我们进行分类任务时,新的输入样本进入,就让森林中的每一棵决策树分别进行判断和分类,每个决策树会得到一个自己的分类结果,决策树的分类结果中哪一个分类最多,那么随机森林就会把这个结果当做最终的结果。8.1)ID3:根据信息增益来得到一棵树,训练得到的是一棵庞大并且深度很浅的树---->不合理,非二叉树,仅分类。8.2)C4.5:根据信息增益率来替代信息增益得到一棵树,非二叉树,仅分类。基础特征构造,数据预处理,特征衍生,特征变换,特征筛选。3)选取合适的样本,并匹配出全部的信息作为特征的来源。原创 2024-03-04 17:32:06 · 422 阅读 · 0 评论 -
2024-03-01(金融AI行业与大数据生态圈)
逻辑回归:变量乘以系数再经过一个类似于sigmoid的函数。决策树的生成只考虑局部最优,剪枝考虑全局最优。线性回归:变量乘以系数。原创 2024-03-02 19:55:53 · 368 阅读 · 0 评论 -
2024-02-26(金融AI行业概览与大数据生态圈)
大部分的公司都使用的是反欺诈规则,这也是主要提倡的。因为所谓欺诈,就是一些黑产或者个人将自己包装成信用良好的用户,进行借款后失联或者拒不还钱,既然都伪装成了好客户,基于风控人员主观思考建立的统计模型,又怎么可能有好的效果,但是经过一段时间的实验,这一块其实用深度学习反而有意想不到的效果,基本思想可以理解为,简单评分卡解释性强,带来的坏处就是可以被逆向破解,而复杂模型的黑箱操作虽然解释性差,却有一定的安全性,尤其是搭配了在线学习等动态手段之后。这里主要的算法就是催收模型相关的,可能是监督、无监督算法。原创 2024-02-26 23:50:18 · 721 阅读 · 0 评论 -
2024-02-24(反欺诈风控场景入门随意了解)
1.第一方欺诈:我就是“我”,恶意骗贷2.第三方欺诈:我不是“我”,身份伪冒,盗用账户,团伙欺诈3.申请欺诈:身份伪冒,中介包装,黑产4.交易欺诈:账户盗用,养卡,套现。原创 2024-02-24 13:53:59 · 437 阅读 · 0 评论