知识卡片
征信多模型投票
大数据征信先把数千种第三方与本人原始数据输入系统,挖掘关联并转换,整合成反映诈骗概率、信用风险、偿还能力等方面的指标,分别输入不同模型,最后按“模型投票”得出信用分。书中 ZestFinance 为每位申请人用 10 个以上机器学习模型、分析上万条信息,5 秒内完成。
这张卡片看不懂?
这张卡片的反馈已满 10 条,暂时无法继续提交。
已有反馈 · 0 / 10 条
还没有人提交反馈。
原书出处
参考来源
- 位置:《企业大数据系统构建实战:技术、架构、实施与应用》第9章《企业大数据业务应用》"9.5.2 主要实现过程"之"机器学习"(源文件:_epub-src/OEBPS/text00152.html)
- 结论依据:原文说明"将这些较大的变量输入到不同的数据分析模型中。最后,将每一个模型输出的结论按照模型投票的原则,形成最终的信用分数……这10个模型以如下方式进行投票:让你最聪明的10个朋友坐在一张桌子旁,然后询问他们对某一件事情的意见。这种机制的决策性能远远好于业界的平均水平",直接支撑本卡结论。
- 原始内容:将这些较大的变量输入到不同的数据分析模型中。最后,将每一个模型输出的结论按照模型投票的原则,形成最终的信用分数……他们开发了超过10个基于机器学习的分析模型……这10个模型以如下方式进行投票:让你最聪明的10个朋友坐在一张桌子旁,然后询问他们对某一件事情的意见