每每以為攀得眾山小，可、每每又切實來到起點，大牛們，緩緩腳步來俺筆記葩分享一下吧，please~

———————————————————————————

本筆記源於CDA-DSC課程，由常國珍老師主講。該訓練營第一期為風控主題，培訓內容十分緊湊，非常好，推薦：CDA資料科學家訓練營

——————————————————————————————————————————

一、欺詐、損失定義與分類

1、欺詐分類

欺詐與客戶虛假資訊識別的案例較少，因為這些案例的資料來源十分敏感，一般不會流入市場供大眾參考。

從英國信用行業欺詐防範體系中看出，絕大多數欺詐可以分為申請欺詐、身份欺詐。

申請欺詐：使用虛假資訊申請，較多根源於內部（公司內部員工引發）

身份欺詐：使用偽造的資訊或盜用無辜的受害人的資訊進行申請（外部）

申請欺詐，一般不是模型問題，而是資料本身存在問題，譬如小城市大學生比例超級高，模型是做不出來的，只能從描述性看出來。中國的欺詐、評級原理不公開，因為一公開，造假的可能性越大，負擔不起。

2、損失分類

——————————————————————————————————————————

二、欺詐防控體系

欺詐一般不用什麼深入的模型進行擬合，比較看重分析員對業務的瞭解，從異常值就可以觀測出欺詐行為軌跡。同時欺詐較多看重分類模型的召回與準確率兩個指標。較多使用SVM來進行建模。

召回率，準確率，排序很準的模型排行：

1、SVM

2、隨機森林、決策樹

1、銀行卡欺詐防控體系

2、檢測級別提升路徑

其中，規則判斷，行為特徵分析屬於較為簡單的分析方法，大多不需要通過建模，通過觀測業務資料以及異常行為特徵分析即可；

智慧模型識別，會用SVM模型來進行識別；