来自 防护 2021-11-08 04:05 的文章

网站防御_大株红景天防高反吗_快速接入

网站防御_大株红景天防高反吗_快速接入

哪种方法更适合于信用风险建模:传统记分卡还是人工智能和机器学习?考虑到当今人工智能的兴奋,这个问题是不可避免的。这也有点傻。虽然一些新市场参与者可能对推动人工智能解决方案有着既得利益,但事实是,ddos防御在哪,传统的记分卡方法和人工智能为信用风险建模带来了不同的优势——如果你知道如何将它们结合使用的话。例如,我们的新信贷决策解决方案FICO Origination Manager Essentials–Small Business。它旨在帮助贷款人在不增加风险的情况下做出更快的贷款发放决策。这个新的FICO产品结合了我们成熟的记分卡技术和人工智能,以建立更好的信用风险模型。FICO如何利用人工智能建立更好的信用风险模型与我们的其他发起产品一样,origination Manager Essentials包括信用风险模型,这些模型是分段的-不同类型的小企业客户和不同的信贷产品需要不同的模型来评估其信用风险。在传统的风险建模中,客户细分是基于"硬"线和广泛的类别,例如新客户与现有客户。这并不能捕捉到某些个体的行为,也不能用更优的方法来划分评分模型。为了在Origination Manager Essentials中构建模型,我们的数据科学家使用人工智能和机器学习算法来发现一种更好的方法来划分记分卡。这使得我们可以应用人工智能来改进风险预测,而不必创建"黑匣子"模型,这种模型不能让风险经理、客户和监管者了解个人为什么会这样得分。我们现在开始使用协作概要等技术来揭示基于客户行为的实体细分。然后,我们可以根据这种相似性将客户分组为微观细分,防御ddos虚拟主机,而不是依赖于硬业务属性的典型细分方法。例如,协作概要文件派生出行为原型分布-这些原型可能指向信用寻求者建立信用记录,而不是那些风险较高并涵盖其历史中其他地方滥用信贷的人。我们能够捕捉到这些细微的行为变化,并将其纳入信用风险模型的方式,为FICO客户提供了明显的优势。我们的方法建立在成熟的、经过时间考验的分析模型和记分卡的基础上,通过先进的人工智能技术对它们进行增强,以推动模型中更好的细分和特征创建。另一种方法是使用人工智能和机器学习来"训练"模型,以发现最大的预测能力,并在输入特征之间找到新的关系,从而产生更强的模型。例如,利用率始终是信用模型中的一个重要特征,拖欠也是如此,但是这些因素的非线性组合可以在机器学习模型中产生更优的结果。然后,您可以将这些新输入驱动到传统的记分卡模型中,以确保可解释性。利用人工智能和机器学习提高结果下面的两个例子说明了如何通过结合机器学习和记分卡方法来实现更好的性能和可解释性。在开发信用卡流失模型时,FICO数据科学家使用机器学习来发现信用卡使用频率和最近性之间的强大交互作用。将这种交互作用作为一种非线性输入特征以可解释的方式纳入记分卡中的选择,导致了用于表征损耗模型性能的提升度量的实质性改进(~10%)。此外,通过将机器学习应用于与特定事件相关的一组更大的特征,性能又提高了15%。这些预测性的改进反过来可以转化为一个更精确的目标保留策略的可观的投资组合利润收益。在一个用有限的数据建立房屋净值投资组合的项目中,我们的样本中缺乏足够的"不良贷款"(不良贷款)导致了一些问题。通过建立一个具有优化的超参数的机器学习分数,我们能够确认我们在传统记分卡中丢失了大量的信号。使用机器学习使我们将模型性能结果从二进制结果转变为连续结果。通过将此技术与记分卡技术相结合,我们创建了一个强大、健壮、可接受的解决方案,并看到模型性能(KS)比传统记分卡模型单独提高了20%(见下文)。使用人工智能的更聪明的方法FICO长期以来一直致力于将人工智能作为我们分析方法的一部分。多久?我们最近提出了一项新的可解释人工智能专利申请,以改善1998年授予的一项FICO可解释人工智能专利的知识产权,该专利已经过期。多年的市场经验验证了我们的方法,这与我们在创新领域看到的一些人工智能初创企业的"快速移动和突破事物"的鲁莽截然不同。他们专注于使用许多类型的替代数据,比如从社交媒体收集的信息,来推断信用风险。创新是伟大的,但你不想天真地投入大量新的数据源——其中许多在信贷决策中可能是不允许的,而且可能很容易被操纵(比如社交媒体数据)——变成一个人工智能模型,这个模型得出的分数可能无法解释。为什么不?首先,许多市场的放款人确实需要能够解释客户是如何被评分的。第二,你不能真正理解从这些数据中学到了什么样的关系,防御webcc攻击,以及这些关系是否真的重要。相比之下,FICO按五条线分析新的数据集,看它们是否会增加信贷风险评分的价值。这条信息是我几周前在美国伦迪特会议上发言的一部分,当时我参加了"新前沿:人工智能、机器学习和高级分析"的小组讨论。你可以在这里看到伦迪特小组会议的视频。记分卡的力量记分卡是一个强大的工具,ddos攻击种类和防御方法,因为像人工智能一样,你可以在输入层中加入非线性,并且你可以利用不同的特征,这些特征可以通过使用分段记分卡组合,以不同的方式对不同的子群体进行预测。但与人工智能的某些表现形式不同,记分卡提供了透明度和可解释性。在任何关于人工智能和信用风险的谈话中,ddos攻击于防御技术的意义,这都是一个重要的主题——你需要确保你了解这个决定是如何做出的。大多数人工智能技术仍然是"黑匣子",当客户问到"我怎么得到这个分数"时,无法提供答案也就是说,如果我可以使用机器学习来揭示信用风险的强大和可预测的新的潜在特征,那么我就可以直接将它们合并到记分卡模型中。这样既保持了透明度,又提高了预测能力。如果您想了解更多有关FICO评分概念的信息,本次网络研讨会将探讨FICO®评分和其他数据。看看我的Twitter feed,里面总是有我关于分析和人工智能的最新想法。