AI人工智能决策树分类器的原理、优缺点、应用场景和实现方法
决策树分类器（Decision Tree Classifier）是一种常用的机器学习算法，它被广泛应用于分类和回归问题中。在人工智能（Artificial Intelligence，简称AI）领域中，决策树分类器是一种简单而有效的算法，可以用于许多应用领域，如医疗、金融、电商等。本文将详细介绍AI人...
解密人工智能：决策树 | 随机森林 | 朴素贝叶斯
一、机器学习算法简介机器学习算法是一种基于数据和经验的算法，通过对大量数据的学习和分析，自动发现数据中的模式、规律和关联，并利用这些模式和规律来进行预测、分类或优化等任务。机器学习算法的目标是从数据中提取有用的信息和知识，并将其应用于新的未知数据中。1.1 机器学习算法包含的两个步骤机器学习算法通常...
研究人员正确理解人工智能决策的三种方法
理解人工智能决策对研究人员、决策者和广大人民来说非常重要。幸运的是，有一些方法可以确保我们了解更多。前沿人工智能公司和学术届使用的深度学习模型已经变得如此复杂，以至于即使是构建模型的研究人员也难以理解正在做出的决策。这一点在某锦标赛上得到了最明显的体现。在这场比赛中，数据科学家和职业围棋选手经常被人...
微软发布第四代人工智能小冰：具备情感决策，更像人类
即将年满 18 岁的小冰参加了湖南卫视夏日甜心综艺秀，8 月 5 日这位「未来之星」在北京中关村微软亚洲总部大楼与大家见面。机器之心记者在微软第四代小冰发布会上见到以全新解锁的情感计算框架为核心的小冰。传统的机器人以信息沟通效率为核心，忽略了情感交流，更像一个工具。而全新进化的第四代小冰将包含实时情...
中国人工智能学会通讯——AI时代的若干伦理问题及策略 1.1人工智能时代正在加速到来，算法决策开始兴起
很荣幸今天有这个机会跟大家分享我自己对人工智能伦理的一些观察和思考。我今天分享的主题是“人工智能伦理：问题与策略”。 1.1人工智能时代正在加速到来，算法决策开始兴起 我们看到，第三次AI浪潮已经开启，这体现在三个层面。 在技术层面，有算法的进步。当1956年人工智能开始起步时，人们更多是在说人工智...
中国人工智能学会通讯——构建强健的人工智能:原因及方式 1. 针对不确定性的决策
1. 针对不确定性的决策 在上个世纪50年代时，我们第一个想法就是在不确定的情况下怎么进行决策。 我们来看一些标准的策略过程。首先，我们会观察目标值Y，然后要选择action（行动）A，来让它的期望值达到最好的效果。我们把这样的决策进行建模：E[U|A, Y]，希望把期望的效应达到最大化。 我们可以...
中国人工智能学会通讯——AI如何深度应用于消费金融的风控决策 1.5 最后，无监督学习可以很好补充基于规则的反欺诈场景。
1.5 最后，无监督学习可以很好补充基于规则的反欺诈场景。 虽然欺诈方式一直在变，但好客户的特征并不会发生剧烈变化。所以，通过识别和好客户不一样的用户特征，更加容易发现欺诈。比如同一家门店，连续来了5个客户，都不是当地人，但身份证前6位都一样，就不满足正常的统计分布规律，出现了异常情况。通过聚类、异...
中国人工智能学会通讯——AI如何深度应用于消费金融的风控决策 1.4 第三，基于社交图谱的抱团模型能够有效动态监测欺诈。
1.4 第三，基于社交图谱的抱团模型能够有效动态监测欺诈。 秦苍科技将用户和紧急联系人信息组建一个巨大的社交关系网络。通过社交关系中的关联度、集中度、社交关系的逻辑勾稽等异常检测，就可以动态地进行欺诈检测。通过匹配手机号码、年龄、性别等逻辑关系，并在社交网络上关联已有用户信息，可以有效识别团体欺诈。
中国人工智能学会通讯——AI如何深度应用于消费金融的风控决策 1.3 另一方面，机器学习模型的自动训练和实时性，可以大幅度提高预测信用评分准确性。
1.3 另一方面，机器学习模型的自动训练和实时性，可以大幅度提高预测信用评分准确性。 人工智能可以在毫无人工干预的情况下自动训练模型。消费金融客户特征随着时间变化，有非常明显的时间效应。因此，信贷模式必须紧跟客户人群的变化，迭代发展。传统信贷模式的人工建模过程过于复杂，银行信用评分卡模型每半年才会人...
中国人工智能学会通讯——AI如何深度应用于消费金融的风控决策 1.2 在人工智能的业务实践中，长尾数据和特征能很大提升信用评分的准确性。
1.2 在人工智能的业务实践中，长尾数据和特征能很大提升信用评分的准确性。 例如客户在App中拖动借款金额滚动条时的停留时间，反映了客户的不同心理，对应不同的违约率。通过尽可能多地采集“弱变量”训练机器学习模型，就可以用丰富的维度来描述一个薄文件客户，使得机器对客户有全面的认知，作出比传统的强变量建...
本页面内关键词为智能算法引擎基于机器学习所生成，如有任何问题，可在页面下方点击"联系我们"与我们沟通。
