标题
  • 标题
  • 作者
  • 关键词

大数据征信算法的可解释性研究

2020-05-19分类号:TP311.13;F830.5

【作者】吴晖  韩海庭  屈秀伟  孙圣力  
【部门】北京大学  哥本哈根大学  
【摘要】针对征信领域广泛使用深度学习等黑盒大数据信用评估技术所带来的模型透明度低、可解释性差等问题,研究提出了一种基于倾向评分的信用评估模型解释方法,利用该通用框架可以对大数据征信的黑盒模型进行解释性分析,从而满足金融领域的KYC和KYB要求,增加机器学习、深度学习等技术在征信领域的适用性。
【关键词】大数据征信  信用评估  可解释性  倾向评分  归因算法
【基金】国家重点研发计划项目(2018YFB1403002)
【所属期刊栏目】征信
文献传递