大家好,今天小编来为大家解答以下的问题，关于法——“三反”模型的数据问题和应对方法这个很多人还不知道，现在让我们一起来看看吧！
建立违规辨认模型的一个最重要的问题是对这个业务问题认识不足。很难有业务专家可以清晰的知道所有违规类型，每次做这类项目，总是本着抓大放小的原则，针对最关心的一些“洗钱”、“交易讹诈”或“舞弊”的类型进行辨认。同时样本的标签也是相互混淆的，由于犯法份子可不会每次只依照洗钱“教科书”中的一种违规行动做事，比如地下银号和其他洗钱类型常常是伴生的。第二个难点是PU问题，即违规份子的行动没有被全部辨认出来，也没有明确的类罪相对应。
由于违规辨认模型有以上问题，因此需要两到三步才能处理好以上问题。比如针对第一类问题，需要使用到无监督的异常学习算法将与正常交易有明显差异的交易提取出来供下一步分析。针对第二个问题，目前主要是依赖业务人员手工审核。清洗干净的数据才会用于建模。
“三反”模型统一使用“黑名单”、“规则引擎”、“机器学习”、“ 复杂网络特点构建和无监督”。看过“越狱”的读者可能有印象，那里在分析犯法时就会使用复杂网络作为分析工具。之所以现在这类技术被广泛使用，主要得益于开源大数据分析平台极大的下降了建设成本，使得可以基于全量的交易数据构建复杂网络和异常辨认模型。由于这两类模型是不应当对数据抽样的。
关于“法——“三反”模型的数据问题和应对方法”的内容，小编就分享到这里了，大家还有哪些需要补充的呢？无妨在评论区留言分享，让更多的朋友受益！您的每一个留言，和每一个赞，都是我前进的动力！喜欢的话记得收藏、分享给身旁的朋友。
本文内容由互联网用户自发贡献，该文观点仅代表作者本人。本站仅提供信息存储空间服务，不拥有所有权，不承担相关法律责任。如发现本站有涉嫌抄袭侵权/违法违规的内容， 请发送邮件至81118366@qq.com举报，一经查实，本站将立刻删除。发布者：简知小编，转载请注明出处：https://www.jianzixun.com/130695.html
微信扫一扫 
支付宝扫一扫 
