- 0
- 0
- 约8.84千字
- 约 17页
- 2026-11-17 发布于上海
- 举报
梯度提升树在金融风控模型中的特征选择
一、引言
随着数字普惠金融的快速发展,金融风控模型已经从过去的人工规则审批演进到数据驱动的智能化决策阶段,特征作为模型的核心输入,其质量直接决定了风控模型的风险识别能力、运行稳定性与合规水平。在当前的信贷审批、交易反欺诈、反洗钱等金融风控场景中,随着数据来源的不断丰富,模型可用的特征维度从早期的几十维增长到数千甚至数万维,既包含传统的用户属性、征信记录类结构化特征,也涵盖设备行为、交易序列、申请文本等半结构化、非结构化特征。如何从海量候选特征中筛选出高价值、低冗余、稳定合规的特征子集,一直是风控模型开发过程中耗时最长、对效果影响最大的核心环节。
传统的特征
原创力文档

文档评论(0)