交易风险预测是近年来电子商务和互联网金融领域关心的一个话题.传统的风控方法是基于具体规则来制定的,不能满足大数据时代应用的需要.比较流行的方法是先基于统计的特征挖掘,再基于特征进行模型训练,这也是比较传统的机器学习方法的工作模式.本文将改变传统的人工设计数据特征维度的方法,从图结构中自动地挖掘出特征,再结合最新机器学习LightGBM框架中的分类模型,进行用户交易风险分析.比传统的利用黑名单控制、基于统计特征分析的方式效果更好.同时,结合图的结构特征挖掘的方式在标签样本稀疏的情况下,效果也比传统方式更好.
NETL
NSTL
万方数据
