启发式算法的模型,启发式算法有什么优点

首页 > 教育 > 作者:YD1662024-05-15 11:49:27

模型是对策略的补充,可以具体量化每一位客户的风险值。信贷评分卡是风控领域应用最广泛的模型,不论是零售信贷、小微信贷还是对公等的众多业务领域,都试着想用评分模型来量化客群的风险。

但想要开发相关的评分模型,其中最关键的一个维度就是数据量的问题。然而,数据缺乏是困扰着各位建模同学最关键的问题之一。特别在小微企业中,数据不足更是最常见的问题。“要我建模可以,得给我数据啊”。然而巧妇难为无米之炊。基于在普遍的情况中,数据匮乏的问题。今天我们引入了启发式的评分模型,试着帮大家在冷启动阶段就能开发好一张评分模型。

在启发式评分模型中通常有两个常见场景,以下分别来介绍下。

一.基于好坏比的多个单变量模型的启发式组合建模

1、第一步是数据驱动的建模过程

在数据驱动过程中,我们运用评分模型最重要的一个分数映射公式,好坏比:score=ln odds*a b

利用好坏比来计算,首先计算各变量各分箱的好坏比,并设定评分上下限,对应求出各个变量回归模型的a和b(如果有9个特征变量,则有9组a、b系数)。

2、在第二步确认每个变量中权重分配方案

对第一步中的多个单变量回归模型进行权重分配,此步是高度人工参与的启发式权重归一化分配。

启发式算法的模型,启发式算法有什么优点(1)

二.AHP层次分析模型

层次分析法中,也是在整个冷启动阶段用得最多的算法(Analytic Hierarchy Process,简称AHP)。

把复杂问题中的各种因素通过划分为相互联系的有序层次,使之条理化,根据对一定客观现实的主观判断结构(主要是两两比较)把专家意见和分析者的客观判断结果直接而有效地结合起来,将一层次元素两两比较的重要性进行定量描述。

然后,计算反映每一层次元素的相对重要性次序的权值,通过所有层次之间的总排序计算所有元素的相对权重并进行排序。

在层次分析模型中,需要定性分析与定量分析相结合。层次分析模型可解释性较强,样本要求低。但层次分析方法也存在缺点,即:在变量数量较多与变量之间存在相关性时较难处理。

层析分析法中,需要用到专家经验判断的就是标度法标识不同维度的重要性。通常我们会用到1~9标度法:对特征变量进行两两相对权重判断,其数值构成原始数据判断矩阵A。

启发式算法的模型,启发式算法有什么优点(2)

【用标度法来标识工作满意度的方法】

另外在整个层析分析法中,需要涉及三个维度的内容,,搞清楚这个三个维度基本就能弄清楚层析分析法的逻辑了,分别是:

1、模型权重系数生成

2、最大特征值计算

3、特征一致性判断

启发式算法的模型,启发式算法有什么优点(3)

在相关的层次分析法中,我们会展开以小微企业与供应链金融作为实际的应用案例来讲解:

启发式算法的模型,启发式算法有什么优点(4)

启发式算法的模型,启发式算法有什么优点(5)

关于本文中所提到的启发式评分模型的内容,更全面的系统知识内容,可关注:

启发式算法的模型,启发式算法有什么优点(6)

~原创文章

...

end

栏目热文

文档排行

本站推荐

Copyright © 2018 - 2021 www.yd166.com., All Rights Reserved.