【机器学习PAI实践四】如何实现金融风控
来源:互联网 发布:mac os x 13.1.02 编辑:程序博客网 时间:2024/06/01 08:30
(本文数据为虚构,仅供实验)
一、背景
本文将针对阿里云平台上图算法模块来进行实验。图算法一般被用来解决关系网状的业务场景。与常规的结构化数据不同,图算法需要把数据整理成首尾相连的关系图谱。图算法更多的是考虑边和点的概念。阿里云机器学习平台上提供了丰富的图算法组件,包括K-Core、最大联通子图、标签传播聚类等。
本文的业务场景如下:
下图是已知的一份人物通联关系图,每两个人之间的连线表示两人有一定关系,可以是同事关系或者亲人关系等。已知“Enoch”是信用用户,”Evan”是欺诈用户,计算出其它人的信用指数。通过图算法,可以算出图中每个人是欺诈用户的概率,这个数据可以方便相关机构做风控。
二、数据集介绍
数据源:本文数据为自己生成,用于实验。
具体字段如下:
数据截图:
三、数据探索流程
首先,实验流程图:
1.最大联通子图
最大联通子图的功能很好理解,前面已经介绍了,图算法的输入数据是关系图谱结构的。最大联通子图可以找到有通联关系的最大集合,在团伙发现的场景中可以排除掉一些与风控场景无关的人。本次实验通过“最大联通子图”组件将数据中的群体分为两部分,并赋予group_id。通过“SQL脚本”组件和“JOIN”组件去除下图中的无关联人员。
2.单源最短路径
通过“单源最短路径”组件探查出每个人的一度人脉、二度人脉关系等。distance讲的是“Enoch”通过几个人可以联络到目标人。
如下图:
3.标签传播分类
“标签传播分类”算法为半监督的分类算法,原理是用已标记节点的标签信息去预测未标记节点的标签信息。在算法执行过程中,每个节点的标签按相似度传播给相邻节点。
调用“标签传播分类”组件除了要有所有人员的通联图数据以外,还要有人员打标数据。这里通过“已知数据-读odps”组件导入打标数据(weight表示目标是欺诈用户的概率):
通过SQL对结果进行筛选,最终结果展现的是每个人涉嫌欺诈的概率,数值越大表示是欺诈用户的概率越大。
四、其它
参与讨论:云栖社区公众号
免费体验:阿里云数加机器学习平台
- 【机器学习PAI实践四】如何实现金融风控
- 【机器学习PAI实践六】金融贷款发放预测
- 【机器学习PAI实践九】如何通过机器学习实现云端实时心脏状况监测
- 机器学习PAI教你如何品酒
- 机器学习PAI教你如何品酒
- 【机器学习PAI实践十】深度学习Caffe框架实现图像分类的模型训练
- 【机器学习PAI实践七】文本分析算法实现新闻自动分类
- 【机器学习PAI实践十二】机器学习实现男女声音识别分类(含语音特征提取数据和代码)
- 【机器学习PAI实践十二】机器学习实现双十一购物清单的自动商品标签归类
- 【机器学习PAI实践十二】机器学习实现双十一购物清单的自动商品标签归类
- 【机器学习PAI实践三】雾霾成因分析
- 【机器学习PAI实践五】机器学习眼中的《人民的名义》
- 【机器学习PAI实践八】用机器学习算法评估学生考试成绩
- 【机器学习PAI实践十二】机器学习算法基于信用卡消费记录做信用评分
- 【机器学习PAI实践十一】机器学习PAI为你自动写歌词,妈妈再也不用担心我的freestyle了(提供数据、代码
- 机器学习如何应用于金融领域?
- 第1章:阿里云机器学习实践之路 / 第2节:机器学习实验工具 PAI 介绍
- 【智能金融】机器学习在风控领域的应用
- java 导出导入备份redis数据库
- koa2 初探
- 遍历List集合的三种方法
- POJ 2891 Strange Way to Express Integers(扩展欧几里得)
- 多数投票算法
- 【机器学习PAI实践四】如何实现金融风控
- Cocos2d-x3.2 双击事件
- vsftpd设置被动模式
- 如何进入到Docker容器内部
- typedef用法
- android xm
- 对STM32 NVIC的理解
- [RK3288][Android6.0] 调试笔记 --- 开机默认选择24小时制时间格式
- Scrapy官网tutorial、Requests官网文档、lxml官方文档、XPath语法、python核心模块pickle和cPickle讲解