雲栖号快速入門： 【點選檢視更多雲産品快速入門】 不知道怎麼入門？這裡分分鐘解決新手入門等基礎問題，可快速完成産品配置操作！
政策實驗室
政策實驗室的使用場景：政策實驗室提供政策還原，政策仿真，變量推薦，變量/模型定制的功能與服務，借助這些功能可以進一步強化和提升政策的名額效果。
1）政策還原
通過政策實驗室的政策還原，可将決策引擎運算後的某個風險請求進行過程還原。政策還原需要輸入API請求決策引擎所傳回的requestId。該政策還原功能基于SLS日志服務實作，決策引擎會将政策還原所需的日志資料打點至目前登入賬号的SLS資源中。
系統根據requestId 進行的決策引擎運算過程及結論的還原，詳細提供請求詳情，事件入參及決策出參，政策命中詳情。點選單個政策詳情時，可以進一步下探該政策的運算過程。
政策運算過程下探後，可檢視到逐條規則條件的執行情況，友善做案例分析及政策優化方案定位。
2）政策仿真
通過政策實驗室的政策仿真，可将曆史事件流量進行回放并執行最新更新後的政策，可用于将曆史問題（包括風險遺漏、業務打擾等）的快速回放，并驗證優化或調整後的政策對于曆史問題的解決程度的評估。
建立仿真任務需要標明某個時間視窗内的事件以及需要仿真的政策，系統會将該仿真任務排隊并啟動運算。仿真任務運算的耗時與事件運算量大小有關，量級越大運算時間越長。通常一個不超過1萬條事件記錄的任務，仿真任務運算時間不超過1個小時。仿真運算所使用的政策，如果其中選配了收費變量，可能會存在用量扣減。系統根據事件量進行了最大用量預估，實際運算中因存在條件樹的設定，會低于最大預估。
仿真運算後，系統會将仿真結果的日志打點到SLS（日志服務）project中，除系統提供的對比報表外，可以前往SLS進行個性化的日志分析。
3）變量推薦
通過政策實驗室的變量推薦，可基于任意風險樣本標明風險場景的情況下，引擎系統的模型子產品會自動進行樣本學習、模型訓練、變量挑選、政策智能生成。通過變量推薦功能，無需模組化開發投入，即可獲得具有類比定制模組化、模型可解釋、政策可運維的風控政策推薦。
我的樣本：可在此頁面上傳樣本集，樣本檔案會上傳到目前登入賬号所擁有的OSS資源中，可能會産生OSS費用，費用情況詳情參考OSS定價。樣本的品質情況會直接影響訓練與推薦的效果，建議樣本量級大于2000，風險與無風險的比例為1:2，也可以根據實際的業務風險率參考設定樣本構成比例。
樣本建立後，建立推薦任務，選擇所相關的風險變量，并勾選關注的效果名額，設定任務名稱後，系統會開啟此推薦任務的運算。通常運算任務需要分鐘到小時不等的時間，運算時間與樣本數量、變量數量相關。
任務運算中，可以進入詳情進行階段性結果的檢視。支援變量IV檢視，系統推薦政策的詳情與名額表現檢視。對于符合預期的規則政策，可以選擇“加入候選政策”，支援添加多個政策。
針對已選中的候選政策，可以指定建立到某個事件下。如該政策中的某些變量所需入參，在原事件中缺失，系統會自動補全，請在接口傳參時注意缺失參數的補全與調整。系統建立的政策，出于操作風險考慮，預設置為“草稿”狀态，且預設設定的标簽輸出為“test”。可在政策詳情頁中根據業務預期，進行自助調整。
本文來自 阿裡雲文檔中心
風險識别 政策實驗室【雲栖号線上課堂】每天都有産品技術專家分享！
課程位址：
https://yqh.aliyun.com/zhibo立即加入社群，與專家面對面，及時了解課程最新動态！
【雲栖号線上課堂 社群】
https://c.tb.cn/F3.Z8gvnK