302      iPhone_iPad_Mac_手机_平板_苹果apple

金融风控__阿里云ET介绍-阿里云

点此咨询顾问

本案例主要针对的是金融行业的风险控制。下图是已知的一份人物通联关系图，每两个人之间的连线表示两人有一定关系，可以是同事关系或者亲人关系等。已知“Enoch”是信用用户，”Evan”是欺诈用户，计算出其它人的信用指数。通过图算法，可以算出图中每个人是欺诈用户的概率，这个数据可以方便相关机构做风控。

业务痛点及需求

缺乏相关的关系网络架构，可以通过人与人之间的通联关系，挖掘出每个人的信用情况。

系统架构

本案例使用数据为自己生成的伪数据，采用阿里云机器学习平台搭建了一套包括数据预处理、统计、结果计算的流程。

架构图：

单源最短路径

通过“单源最短路径”组件探查出每个人的一度人脉、二度人脉关系等。distance讲的是“Enoch”通过几个人可以联络到目标人。如下图

标签传播分类

“标签传播分类”算法为半监督的分类算法，原理是用已标记节点的标签信息去预测未标记节点的标签信息。在算法执行过程中，每个节点的标签按相似度传播给相邻节点。

通过SQL对结果进行筛选，最终结果展现的是每个人涉嫌欺诈的概率，数值越大表示是欺诈用户的概率越大。

优势

算法成熟度

阿里云机器学习平台提供了成熟的数据挖掘算法。本案例使用的相关图算法全部来自于集团内部项目的沉淀，经历过超大规模数据的锤炼。在算法的精确度和效率方面都是世界领先水平。

简便的操作界面

阿里云机器学习平台采用拖拉拽的方式进行组件操作，及时是毫无数据挖掘经验的从业者，经过简单的学习，也可以轻松通过拖拉等操作玩转大数据。

使用产品

• 机器学习

点此咨询顾问

最后更新：2016-11-23 16:04:15

  上一篇： 工业设备异常预警__阿里云ET介绍-阿里云

  下一篇： 心脏病预测__阿里云ET介绍-阿里云