霍文虎 |
携程金融 风控模型高级经理
曾就职于蚂蚁金服大安全风险分析组，负责速卖通平台外卡反欺诈模型构建。现担任携程金融风控模型组负责人，负责 携程平台支付反欺诈模型、“程信分”模型构建及运营、携程联名信用卡营销模型。
课程概要
背景介绍：
机器学习方法在携程支付风控、信用产品风控场景的应用实践
解决思路/成功要点：
使用自动化迭代的模型框架加快模型迭代速度，在高对抗的支付风控场景稳定模型性能。
构建模型在风控订单审核以及案件定性环节替代部分人工运营。
采用子模型融合的方式衍生特征，提升主模型效果。
成果：
支付反欺诈模型效果稳定。
风控人工运营成本降低。
使用多个模型方法衍生的特征加入主模型后，模型效果提升。
听众收益
1.了解如何在高对抗的支付风险场景保持模型的稳定性。
2.了解如何构建模型在人工风险运营环节降低成本。
3.了解如何使用模型方法在不同类型的数据上衍生特征。
霍文虎 |
携程金融 风控模型高级经理
曾就职于蚂蚁金服大安全风险分析组，负责速卖通平台外卡反欺诈模型构建。现担任携程金融风控模型组负责人，负责 携程平台支付反欺诈模型、“程信分”模型构建及运营、携程联名信用卡营销模型。
课程概要
背景介绍：
机器学习方法在携程支付风控、信用产品风控场景的应用实践
解决思路/成功要点：
使用自动化迭代的模型框架加快模型迭代速度，在高对抗的支付风控场景稳定模型性能。
构建模型在风控订单审核以及案件定性环节替代部分人工运营。
采用子模型融合的方式衍生特征，提升主模型效果。
成果：
支付反欺诈模型效果稳定。
风控人工运营成本降低。
使用多个模型方法衍生的特征加入主模型后，模型效果提升。
听众收益
1.了解如何在高对抗的支付风险场景保持模型的稳定性。
2.了解如何构建模型在人工风险运营环节降低成本。
3.了解如何使用模型方法在不同类型的数据上衍生特征。
