例如客戶在App中拖動借款金額滾動條時的停留時間,反映了客戶的不同心理,對應不同的違約率。通過盡可能多地采集“弱變量”訓練機器學習模型,就可以用豐富的次元來描述一個薄檔案客戶,使得機器對客戶有全面的認知,作出比傳統的強變量模組化方式更加精準、全面的判斷。
例如客戶在App中拖動借款金額滾動條時的停留時間,反映了客戶的不同心理,對應不同的違約率。通過盡可能多地采集“弱變量”訓練機器學習模型,就可以用豐富的次元來描述一個薄檔案客戶,使得機器對客戶有全面的認知,作出比傳統的強變量模組化方式更加精準、全面的判斷。