机器学习在金融大数据风险建模中的应用

【摘要】git 在互联网金融、消费金融的蓬勃发展的当下，央行征信在数据时效性、全面性和层次性上的短板日益凸显。深度挖掘互联网大数据信息，开发大数据风控模型，更加精准的评估风险，已经逐渐成为了新一代信用风险模型体系建设的核心课题。算法 本文在传统风险模型体系的基础上，嫁接逻辑回归和决策树模型创建T-L模型，并结合Random Forest模型完善模型结构。采用T-L核模型替代RF模型中的传统决策树模

>>阅读原文<<