2020年终大会-风控安全：4-4.pdf

编号：29859

PDF 18页 1.93MB 下载积分：VIP专享

下载报告请您先登录！

2020年终大会-风控安全：4-4.pdf

1、模型可解释性在保险理赔反欺诈中的应用实践中国人寿研发中心张洪涛目录可解释性背景 0101 模型解释方法 0202 可解释性实践0303可解释性展望0404 可解释性背景 0101 1.可解释性背景模型的解释性，在模型的整个生命周期中具有重要作用。优化方法模型解释，是一种重要的模型badcase 分析手段，优化模型效果。可信度模型可解释，提升模型预测结果的可信度，进而影响推广使用。指导性模型可解释，对业务开展和决策具有明确的指导性作用。然而，由于算法模型本身的黑盒属性，预测结果难以解释。模型解释性方法 0202 2.1模型解释性方法 1 62 53 4 特征权重

2、线性模型，系数信息增益信息论，树型模型 importance 特征重要性排序 Shap 博弈论，计算单个特征贡献值 DeepLIFT 相对特征基准值，计算特征贡献线性模型局部模拟，计算贡献 Lime 全局解释方法局部解释方法 2.2模型解释性方法-特征重要性定义：全局可解释性是指能够基于完整数据集上的预测结果和特征之间的条件交互来解释和理解模型决策。解释整个模型行为。举例：xgboosting特征重要性。 Weight ： the number of times a feature is used to split the data across all

3、 trees. Gain，Cover. 2.3模型解释性方法-lime 定义：专注于该数据点并查看该点周围的特征空间中的局部子区域，并尝试基于该局部区域理解该点的模型决策。解释单个预测。举例：Lime方法。某个样本附近生成采样数据，训练线性模型，辅助解释 Lime :“Why Should I Trust You”Explaining the Predictions of Any Classifier 2.4模型解释性方法-shap 定义：专注于该数据点并查看该点周围的特征空间中的局部子区域，并尝试基于该局部区域理解该点的模型决策。解释单个预测。举例：Shap贡献值。将某一特征与其他所有的特征子集进行博弈比较，计算其对于其他特征子集对预测结果影响。预测值= 1/(1+exp(-sum(贡献值)。 Shap : A Unified Approach To Interpreti

友情提示

1、下载报告失败解决办法
2、PDF文件下载后，可能会被浏览器默认打开，此种情况可以点击浏览器菜单，保存网页到桌面，就可以正常下载了。
3、本站不支持迅雷下载，请使用电脑自带的IE浏览器，或者360浏览器、谷歌浏览器下载即可。
4、本站报告下载后的文档和图纸-无水印,预览文档经过压缩，下载后原文更清晰。

本文（2020年终大会-风控安全：4-4.pdf）为本站（X-iao）主动上传，三个皮匠报告文库仅提供信息存储空间，仅对用户上传内容的表现方式做保护处理，对上载内容本身不做任何修改或编辑。若此文所含内容侵犯了您的版权或隐私，请立即通知三个皮匠报告文库（点击联系客服），我们立即给予删除！

温馨提示：如果因为网速或其他原因下载失败请重新下载，重复下载不扣分。