互聯(lián)網金融時代下機器學習與大數(shù)據(jù)風控系統(tǒng)方案(編輯修改稿)
2025-05-31 12:11 本頁面
【文章內容簡介】 將是一個不錯選擇?！ BDT(Gradient Boosting Decision Tree)又叫MART(Multiple Additive Regression Tree),該模型不像決策樹模型那樣僅由一棵決策樹構成，而是由多棵決策樹構成，通常都是上百棵樹，而且每棵樹規(guī)模都較?。礃涞纳疃葧容^淺）。模型預測的時候，對于輸入的一個樣本實例，首先會賦予一個初值，然后會遍歷每一棵決策樹，每棵樹都會對預測值進行調整修正，最后得到預測的結果?！ (x)+β_1 T_1 (x)+β_2 T_2 (x)+?+β_m T_m (x) 其中，F(xiàn)_0 為設置的初值，T_i 是一棵棵的決策樹（弱的分類器）。 GBDT在被提出之初就和SVM一起被認為是泛化能力（generalization）較強的算法。近些年更因被廣泛應用于搜索排序以及推薦中而引起大家的關注，如Yahoo, Ebay等大型互聯(lián)網公司就采用過GBDT進行搜索排序。在國內，我在攜程工作時就曾應用GBDT算法對客人進行酒店noshow和延住的預測，為公司每年帶來千萬的收入，該項目是攜程技術驅動業(yè)務發(fā)展的典型代表?！ BDT作為一種boosting算法，自然包含了boosting的思想，即將一系列弱分類器組合起來構成一個強分類器。它不要求每個分類器都學到太多的東西，只要求每個分類器都學一點點知識，然后將這些 學到的知識累加起來構成一個強大的模型?！ ?. 分類模型的性能評估 分類模型應用較多的除上面講的Logistic Regression和GBDT，還有Decision Tree、SVM、Random forest等。實際應用中不僅要知道會選用這些模型，更重要的是要懂得對所選用的模型的性能做評估與監(jiān)控?！ ∩婕暗皆u估分類模型的性能指標有很多，常見的有Confusion Matrix(混淆矩陣),ROC,AUC,Recall,Performance,lift,Gini ,KS之類。其實這些指標之間是相關與互通的，實際應用時只需選擇其中幾個或者是你認為是重要的幾個即可，無須全部都關注。下面就以Logistic Regression為例對這些常見的指標做些簡單的說明，以方便大家理解與應用。 注： 以下所有說明均以信用評分中的好壞用戶為例，壞客戶（壞人）
公司管理相關推薦
鄂ICP備17016276號-1