機器學習是一種不用顯式程式設計就能為計算機提供學習能力的人工智能。它背後的科學既有趣也有應用價值。許多創業公司以機器學習為核心技術，這已經給網際網路金融生态系統帶來了沖擊。
網際網路金融公司所使用的機器學習有許多不同種類。我們來看看其中的一些機器學習應用及使用它們的公司。
信用評分及不良貸款預測分析
貸款行業中的公司正在利用機器學習來預測不良貸款并建立信用風險模型
以下是一些使用這種應用的公司:
lendingclub: lending club是世界上最大的連接配接借貸雙方的線上市場。他們用機器學習來預測不良貸款。
kabbage:kabbage inc 是一家亞特蘭大的線上網際網路金融與資料公司。公司通過一個自動化借貸平台直接向小企業和消費者提供資金。kabbage團隊專注于建構下一代機器學習和建立信用風險模型及分析現有的投資組合。
lendup:lendup做的是改善發薪日貸款業務。目前也開始開放它的資料庫允許其它機構通過它的api提供類似服務。它利用機器學習和算法來找出15%最有可能償還貸款的人。它收取這些人29%或更高的利息，不含有隐藏費用或隔夜利息。
準确的決策
通過讓機器處理資料并做出決策（如與信用相關的），機器學習技術可以大大提高财務處理和決策的效率與速度。
一些使用這種應用的公司是：
affirm:affirm是一家技術與資料驅動的金融公司。他們通過挖掘大量的資料而成功地重寫了信用評估規則。為了防止欺詐和建立信用資料，該公司使用機器學習模型。
zestfinance:zestfinance利用機器學習技術和大規模資料分析來處理大量資料并做出更準确的信貸決策。zestfinance通過利用機器學習和大規模的大資料分析以一種完全不同的方式來承保。
billguard:billguard是一個給其使用者提醒不良收費者的個人财務安全公司。公司的特長是大資料挖掘，機器學習算法，安全及消費者網站使用者體驗（web ux）。
内容/資訊的提取
資訊提取已經成為機器學習的主要應用。它涉及從網頁内容，如文章、新聞和檔案等中提取資訊。
以下是幾家使用這些應用的公司：
dataminr：dataminr是一家領先的實時資訊發現企業。dataminr把來自twitter和其它公開來源的實時資訊轉化成可操作的信号，為在金融領域的客戶實時識别出最相關的資訊。它利用複雜的機器學習算法爬取社交媒體和其它來源來識别顯著的或有新聞價值的文章，然後實時向其客戶推送。
alphasense：alphasense是金融搜尋引擎，用于為專業人士解決資訊豐富度和碎片的基本問題。它利用專有自然語言處理和機器學習算法，提供了一個強大的、高度差異化、具有直覺使用者界面的産品。
欺詐檢測與身份識别管理
根據ibm的研究表明，每年欺詐令金融行業損失大約800億美元；單是美國信用卡和借記卡發行商的損失就有24億美元。
“我們能夠運用人類領域之外的複雜邏輯分析巨大的資料流。”ibm研究部的機器學習技術團隊經理這樣說到。
在機器學習的幫助下，可以高效而有效地實作欺詐檢測技術。創造的解決方案能分析曆史交易資料來建立一個模型，以檢測詐騙的模式。一些公司還使用機器學習進行生物識别。
以下為工作在此領域的一些公司：
feedzai：feedzai運用機器學習和大資料讓商業變得更安全。feedzai機器學習模型比傳統方法提早30%檢測到欺詐。
bionym：bionym已經研發出了利用機器學習算法實作心電圖的生物認證裝置。
eyeverify：eyeverify軟體識别“眼紋”，通過機器學習科技識别眼白中的靜脈紋路。
biocatch：biocatch是為移動和網絡應用提供生物行為識别、認證和惡意軟體檢測解決方案的領先供應商。銀行和電商網站使用biocatch，有效減少了高風險的交易有關的摩擦并保護了使用者免受網絡威脅，如賬戶侵權、侵占客戶浏覽器的惡意軟體（mitb）和遠端通路的惡意攻擊（rat）。
建立交易算法
機器學習可用來建立交易決策算法。交易算法，也稱作高頻交易，是利用自動化系統從海量資料中識别真實信号來捕捉标的股票市場的動态。機器學習提供了強大的工具從表面上的市場趨勢中提取模式。
kflcapital：kfl capital的預測産品源于算法結果、預測模型和程式。該公司采用機器學習算法确定金融資料中非随機的價格模式。
binatix：binatix是一家學習型的交易公司，這可能第一家使用最先進的機器學習算法來發現模式的公司，提供了投資上的優勢。
原文釋出時間為：2016-05-04
本文來自雲栖社群合作夥伴“大資料文摘”，了解相關資訊可以關注“bigdatadigest”微信公衆号