信贷申请的交叉检验技术和方法_图文_百度文库
两大类热门资源免费畅读
续费一年阅读会员，立省24元！
评价文档：
信贷申请的交叉检验技术和方法
上传于||暂无简介
大小：224.50KB
登录百度文库，专享文档复制特权，财富值每天免费拿！
你可能喜欢上周五，央行推出了被媒体称为“史上最严厉”版的《非银行支付机构网络支付业务管理办法》（征求意见稿）。其中对用户产生最切身影响的证明“你是你”、购物限额5000元以及线上转账等话题，尽管央行随后宣称“购物限额5000元”系误读，但依然引发众多网友的讨论和担忧。新京报记者 刘素宏　　向央行证明“你是你”？　　意见稿中规定，支付机构给个人开户，需要个人到支付机构或支付机构的委托合作机构，以面对面方式完成身份核实。对于没有当面核实的，则需要相应的证明文件进行交叉验证。如果是消费类账户，需要三个机构为用户做身份验证。如果是具备理财、转账功能的综合账户，则需要五个机构来验证。　　根据规定，这些证明文件需要的是公安、工商、教育、财税等管理部门出具的证明文件。　　一位主流第三方支付业内人士对新京报记者表示，新规为支付机构带来的问题在于，目前除了公安网数据库很全，没有部门汇集这么多信息，同时第三方支付的用户有很多草根阶层，自行凑够5种证明恐怕更难。　　另外，据业内人士透露，按照征求意见稿的规定，现有的第三方支付存量账户也要补齐资料，跟数据库做对接。　　购物超过5000元怎么办？　　央行规定，支付机构采用不包括数字证书、电子签名在内的两类（含）以上要素进行验证的交易，单个客户所有支付账户余额单日累计应不超过5000元。两类以下验证的单日余额限1000元。　　不过，央行规定中提及了一种额度不限的情况，那就是交易用数字证书或电子签名验证。　　然而，据业内人士介绍，电子签名在我国还没有普及，手机上也几乎没有数字证书，至于央行是否会着力培养电子签名和移动数字证书，就不得而知了。　　剁手党也不必急着哭。央行本次规定的限额市值余额，仅规范个人使用支付账户“余额”支付的交易，客户使用银行账户付款的交易不属于本条款规定范畴。　　这样看来，使用快捷支付、网银支付的用户就不受此限制。不过，上述支付方式依然有限额，由各家银行规定，几千到几万元不等。　　免费转账行不通了？　　外企白领姜女士在电子支付上一直是保守党，她使用各种O2O服务以及网上购物，都依赖朋友的转账。而且，目前通过第三方支付平台进行转账，通常不需要缴纳手续费。　　新规出台后，姜女士担心自己的保守党日子了。　　按照央行新规，支付机构为客户办理银行账户向支付账户转账的，转出账户应仅限于客户本人同名银行借记账户；办理支付账户向银行借记账户转账的，转入账户也应仅限于客户指定的一个本人银行借记账户。　　同时，对于支付账户，其所有支付账户的余额付款交易年累计最高不超过20万元。超出限额的付款交易应通过客户的银行账户办理。　　这意味着如果严格按照此条例执行，用户只能向过去那样前往银行或使用网上银行进行汇款，此前通过移动支付平台免费向他人转账的时代将成为历史。　　央行移动支付新规　　1 支付机构开户时需面对面验证客户身份，对未能面对面验证的，应通过至少3个合法的外部渠道进行交叉验证。　　2 对于未通过数字证书、电子签名在内的两类（含）以上要素进行验证的交易，单个客户所有支付账户余额单日累计应不超过5000元。　　3 支付机构应根据客户身份对同一客户开立的所有支付账户进行关联管理，余额付款交易最高不得超过20万元。　　银行账户与支付账户之间转账，仅限本人同名账户之间进行。支付界(payworld)
我们长期关注于第三方支付行业发展与研究，分享行业最新动态，提供第三方支付牌照申请、第三方支付企业投资并购与咨询业务以及第三方支付系统运营与开发。业务合作与交流微信号：jamesming电话：转载文章请注明出处：支付界声明：公众号部分文章来源于互联网，如有侵权请与我们联系。支付界(payworld)　
　文章为作者独立观点，不代表微头条立场
的最新文章
北京时间7月1日，《非银行支付机构网络支付业务管理办法》(以下简称《办法》)正式生效，支付机构将对客层出不穷的丑闻给互联网金融行业蒙上太多阴影，一旦遮羞布被扯开，发现了谁的丑陋？、
对于移动支付发展远远落后于内地的香港市场，这位科技巨头的进入或许将重塑香港人的支付习惯，为
从风险和创新度来考虑，互联网金融在P2P、众筹等领域的风险更高，并且创新度也不如第三方支付强
互联网支付是中国互联网经济发展的底层支柱，不仅是在传统金融业服务方面弥补空白，更有利于提升金融交易效
维萨的“魔戒”将出现在里约奥运会上 北京时间6月3日消息，据科技网站Tech
Paypal很长时间都是在线支付的唯一厂商。　　Visa首席执行官Charles Scharf
北京时间5月24日消息，支付宝近日宣布已与国内多家石油企业达成合作，今后国内30000座
支付宝、财付通（微信支付），银联，商业银行，再加上新进的苹果、三星等手机厂商，在激烈竞争的中
　经过5年多的发展，支付行业已由单一的业务形态，向综合多元化的形态转变。诸如支付宝、财付通、快钱等
从萌芽状态到野蛮生长，再到事故频发，网贷P2P行业的规范性一直饱受诟病，与银行的合作也是一波
近日，媒体报道，中国支付清算协会即将成立非银行支付机构网络支付清算平台，这个平台功能与银联
为全面、深入了解移动支付业务应用现状，准确把握个人用户年龄、收入、学历等基本属性，以及使用习惯的变位于美国阿肯色州和德克萨斯州的500多家门店将开始支持自家移动支付服务“Walmart Pay”。近日，京东金融在客户端发布相关公告称，5月31日前将暂停除了中信和光大银行以外的信用卡支付白
昨天，三星电子联合中国银联以及多家商业银行对外宣布，搭载银联云闪付的Samsung Pa
国家电网将“封杀”支付宝们?第三方支付机构直连银行被叫停?加之监管层连发规范性文件整治行最近多家媒体包括腾讯官方都公开确认：微信支付总经理吴毅离职，微信开发者圈大名鼎鼎的“xiaokAffirm是由PayPal的联合创始人Max Levchin于2013年初创立的来源：啃金融广而告知　
提供第三方支付牌照和征信牌照申请咨询服务， 支
智能手机的普及极大推动了印度移动支付业的兴起，而这中的佼佼者—— MobiKwik于今日宣布已完成如今市场上很多传统金融巨鳄对支付牌照的热情不减，想要出手接盘的人不在少数。支付牌照的业务类型包含银行　　目前 Apple Pay 已经登陆美国、英国、加拿大、澳大利亚、中国和新加坡，Apple Pay 目前已在今年5月国内首批支付机构牌照续展日期即将来临之际，监管整肃再升级，央行下发通知称原则上不再接受新牌照申点击边框调出视频工 查看更多支付行业资讯请到支付界官网近日，融资中国2016互联网金融峰会在北京召开。在此次峰会上以“互联网金融“为主题的各项论坛引起了与会者 　　据知情人士向支付界爆料，敦煌网获得MasterCard外卡收单业务资质，对于敦煌网的产业布局是一次重大本报记者 何晓晴 广州报道　　在5月第一批支付机构牌照续展日期即将来临之际，监管整肃却仍在升级。　　4月
　　4月13日，上海市信息安全行业协会在市经信委的指导下召集各方召开“银行卡信息安全闭门会议”，研究应对　　亿欧网4月13日消息 互联网及金融风险控制和反欺诈服务提供商同盾科技今日向亿欧网透露其已正式完成3200苹果支付Apple Pay已经登陆中国，目前大部分人反映Apple Pay是开通很艰难，但是开通后支付流程如近期，支付结算行业乱局已引起监管部门高度重视，相关监管措施亦频频出击。4月7日下午，中国人民银行正式点击边框调出视频工具条 查看更多支付行业资讯请到支付界官网“最近P2P平台收益一直在下降，都不知道投哪个了。”昨日，西安投资者王先生对华商报记者说。华商报记者采访近日，艾瑞咨询发布了2015年第三方互联网支付市场核心数据。数据显示，2015年中国第三方移动支付交易规北京蚂蚁金服集团的“互联网+县域”项目进入2.0版，蚂蚁金服昨日宣布启动“千县万亿”计划。蚂蚁金服
3月24日早间消息（南山）中国电信昨日公布了2015年业绩报告。在昨日下午举行的全年业绩记者
据外媒报道，援引消息人士说法，苹果将于今年晚些时候把Apple Pay支付服务集成至Safar
万事达卡总裁兼首席执行官彭安杰(Ajay Banga)3月21日出席中国发展高层论坛并发表演
近日评级机构穆迪表示，内地限制居民以第三方电子支付缴付保费，对保险公司的保费增长影响，对香港寿险
据台湾“中央社”3月14日报道，Visa国际组织发布最新调查，电子支付在
2013年，《支付机构备付金存管办法》（以下简称存管办法）颁布实施，是自人民银行《非金
2016年红包的氛围愈浓，今年一如既往的“红包雨”，将进一步强化用户移动支付的习惯，扩大移动支付随着电子商务的发展带动了第三方支付的快速增长，特别近几年跨境电商将快速发展为了支持跨
2015年下半年二级市场普遍低迷，全球科技企业IPO数量受到大幅影响。根据普华永道3月10日下午
Yahoo台湾暨香港电子商务事业群副总裁王志仁。图／业者提供
Yahoo台湾暨香港电子商务事
两周前，伦敦支付公司Powa Technologies宣布破产，由德勒律师事务所担任破产
吃过早饭，李大娘牵着小孙子去村口遛弯，打算顺便取点生活费回来。李大娘家住河南省巩义
“欠账还钱”，偿还本金是天经地义，诚信社会，咱们每一个公民都必须讲信用，不能当“杨白劳”，那种欠账payworld支付界公众号提供最新的第三方支付相关资讯和政策研究，我们深入研究和关注互联网支付，移动支付，银行卡收单，预付卡，智能IC卡，NFC支付，POS机等支付相关产业。投稿以及商务合作可以与我们联系 热门文章最新文章payworld支付界公众号提供最新的第三方支付相关资讯和政策研究，我们深入研究和关注互联网支付，移动支付，银行卡收单，预付卡，智能IC卡，NFC支付，POS机等支付相关产业。投稿以及商务合作可以与我们联系交叉验证总结_百度文库
两大类热门资源免费畅读
续费一年阅读会员，立省24元！
交叉验证总结
上传于||暂无简介
阅读已结束，如果下载本文需要使用1下载券
想免费下载本文？
你可能喜欢信贷知识-交叉检验_百度文库
两大类热门资源免费畅读
续费一年阅读会员，立省24元！
信贷知识-交叉检验
上传于||文档简介
&&信​贷​调​查​的​信​息​验​证​,​小​额​信​贷​交​叉​检​验​技​术
阅读已结束，如果下载本文需要使用1下载券
想免费下载本文？
下载文档到电脑，查找使用更方便
还剩4页未读，继续阅读
你可能喜欢0x12 模型评估，交叉验证 - 简书
下载简书移动应用
写了50955字，被199人关注，获得了210个喜欢
0x12 模型评估，交叉验证
机器学习的目的，就是让程序从已知的数据中自己找出规律，然后将规律应用到未知的数据中去。构建机器学习模型时，最重要的部分便是模型的评估。一个模型没有经过交叉验证的评估，那么得出的准确率都是不太可靠的。模型评估中，除了训练数据和测试数据，还会涉及到验证数据。
01 测试与训练
机器学习的目的，就是要让程序从已知的数据中自己找出规律，然后将规律应用到未知的数据中去。不同于常规程序的步骤，由程序员事先设置好各种条件与跳转指令或者步骤，由程序一步步执行，直到程序结尾。机器学习的程序，程序员只负责设计程序如何去学习，至于学到什么规律，那主要是由给定的数据来决定的。再将学到的规律，应用到未知的数据集上去，这才是机器学习的核心魅力。
这其中便涉及两份数据集，一份给“机器”用于学习的数据，通常也叫训练数据集(training data)，机器学习到的知识，通常叫模型。最后机器使用学习到的模型，对未知数据进行预测，这份数据通常叫测试数据(testing data)。因此，在程序中，会看到大量的train和test相关的变量，基本上的意思都指训练数据与测试数据相关。
比如，有一份数据如下：
这份数据是过往的约会记录，全部信息都是来自于真实的记录，本身并不需要我们进行预测。我们的目的，是希望通过这份数据，来构建一个预测模型，预测一个新的对象会不会约会的模型。
那么，问题来了：构建机器学习模型时最重要的是什么？是模型的评估，即如何评价一个模型的好坏，或者说模型的准确率(或者误差率)到底如何。当然，如果还有另外一份过往的记录数据，我们可以用上面8条数据构建一个模型，然后用那份记录来进行测试，看预测的结果和记录的结果相同的次数，从而计算模型的准确率。
但问题是，假定只有这8条过往的记录，没有更多的数据，如何评价构建的模型的好坏呢？聪明如你，肯定已经想到了。可以把这8条记录分成两份，第一份为6条数据，第二份为2条数据，用第一份的6条数据来构建预测模型，然后将模型应用到第二份的2条数据，进行预测。预测时只需要传前面5个特征，最后的“约”与”不约“不作为特征，这个正是要预测的结论。看预测的“约”与“不约”结论是否和本身的记录一致，如果2条预测结果与原来数据记录的结果都一致，那么说明模型准确率为100%；如果只预测对一条，那么为50%；如果全部预测错误，那么模型准确率为0，此时就需要回过头去分析一下，看模型是否用对，或者参数是否都设置正确了。
02 交叉验证
验证模型准确率，是机器学习非常重要的内容。前面将数据手工切分为两份，一份做训练(train)，一份做测试(test)便是最常用的手段。
术语上，叫交叉验证(Cross Validation)，上面的方式，便是其中的“留一手”(Hold-Out)交叉验证。
交叉验证，在scikit-learn中，位于sklearn.cross_validation包中，而”留一手“的方式，使用train_test_split方法很容易实现：
from sklearn.cross_validation import train_test_split
X_train, X_test, y_train, y_test = train_test_split(X, y, test_size=0.1, random_state=42)
其中的X为特征数据，y为响应变量，test_size=0.1表示将数据按90%的训练与10%的训练比例进行划分。因为程序会对原数据进行随机切分，而设置random_state是为了在对程序进行调试的时候，能保证每次都按固定的随机序列进行划分。
上面的“留一手”划分方式，通常留下的“一手”不只一个。还有极端的情况，“留一个”(Leave-One-Out)，即只保留一条数据作为测试数据，剩下全部用于训练模型。训练好的模型，用这留下的一条数据来进行训练，在分类上，准确率要么是0，要么是100%。
当然，睿智如你般，肯定也想到了，上面的方式也有局限。因为只进行一次测试，并不一定能代表模型的真实准确率。因为，模型的准确率和数据的切分有关系，在数据量不大的情况下，影响尤其突出。自然，前辈们也早就想到了，并提出了比较好的解决方案。
那就是采用K折(K-Flod)交叉验证，将数据随机且均匀的分成K份，常用的K为10，数据预先分好并保持不动。假设每份数据的标号为0-9，第一次使用标号为0-8的共9份数据来作训练，而使用标号为9的这一份数据来进行测试，得到一个准确率。第二次使用标记为1-9的共9份数据进行训练，而使用标号为0的这份数据进行训练，得到第二个准确率，以此类推，每次使用9份数据作为训练，而使用剩下1份进行训练，这样共进行10次，最后模型的准确率为10次准确率的平均值。这样便避免了由于数据划分而造成的评估不准确的问题。
K-Flod交叉验证的方式，经常在实际的项目中使用。通常一个模型没有经过K-Fold的评估，那么得出的准确率都是不太可靠的。
也可以在K-Fold交叉验证的时候使用“留一个”的方式，即训练多个模型，让每条数据都有机会作一次测试，而除了作为测试的那条数据外，剩下的全部用于训练。这样有多少条数据，就训练多少个模型，然后这些模型的平均准确率为最后模型的准确率。但因为这样的训练代价太高（通常是太费时），实际上估计很少采用。
03 验证数据
使用训练数据与测试数据进行了交叉验证，只有这样训练出的模型才具有更可靠的准确率，也才能期望模型在新的、未知的数据集上，能有更好的表现。这便是模型的推广能力，也即泛化能力的保证。
除了最常用的training data与testing data外，在一些算法中，还会用到validation data(验证数据)，其作用和testing data差不多。
Validation data通常是直接应用于模型的构建过程中，尤其是多次迭代的算法中，比如多层神经网络算法中，算法在每一轮迭代过程中，会更新网络连接中各层的权重值，当完成一轮更新过后，算法会使用验证数据(validation data)来进行一次验证，以测试在这份数据上，算法的改进效果。
和testing data的主要区别，是验证数据用来调整模型的参数，以及用来设置提前停止(Early stop)的条件，比如在深度学习框架keras中，有如下示例代码：
save_best = ModelCheckpoint('model.nn', verbose=1, save_best_only=True)
early_stop = EarlyStopping(monitor='val_loss', patience=10, verbose=1)
model.fit(X_train, y_train,
batch_size=64,
nb_epoch=100,
show_accuracy=False,
validation_split=0.1,
callbacks=[save_best, early_stop],
verbose=1)
通过参数validation_split来设置在训练数据中分出10%来作为验证数据，剩下90%作为训练数据。
通过定义两个回调函数，early_stop这个回调方法，就是指让程序监控val_loss(validation loss)这个条件，容忍度为10次，即在迭代10次的过程中，在验证数据上的验证效果(通过val_loss体现)都没有改善(降低)，那么就停止运行。
另外一个回调方法save_best保证在每轮迭代的过程中，只要在验证数据上效果有改善，就将训练好的模型进行覆盖保存，没有改善则不保存。这样保证在early_stop退出的时候，保存的模型是训练过程中最好的。
04 OOB数据
随机森林(Random Forest)算法中，在构建每颗树的时候，对原始数据都是采取的有放回抽样，根据统计发现，每次都有大约1/3的数据不会被选中，即用于构建每颗决策树的数据都大约只有原数据的2/3，那么其中的1/3未被选中的数据，也就叫袋外数据OOB(Out Of Bag)。
这部分数据没有参与构建决策树，正好可以被利用来对模型进行评估。它甚至可以取代前面使用的测试集来评估模型误差，因为它并没有参与模型的训练，正是天然的测试数据。每颗树的OOB数据都是不太相同的，测试的时候，也是用每颗树自己的OOB数据来进行测试，最后组合所有OOB数据的测试结果，并求平均(回归问题)。
在scikit-learn的随机森林中，参数oob_score(bool型)，用于配置是否使用oob样本来评估模型的泛化误差的参数。当设置为true后，在最后的模型上，即可以通过 oob_score_ 这个属性来打印模型的oob分数。oob_score_这个属性，获取的是使用OOB数据测试的R^2(判定系数)分数，也即是在oob_prediction_数据上的R^2分数。
比如，一共有10颗树，第一颗没有被选中的袋外数据(OOB)为编号1，5，8，9，那么就用这些编号的数据，来对第一颗树进行测试，得出的值为y11,y15,y18,y19 (第一个下标为树的编号，第二个下标为数据编号），依此类推。测试全部的10颗树，其中可能编码为1的数据，测试了2次，最后求两次的平均(回归问题)，即为编码为1的数据在随机森林模型中的预测值。将所有的OOB数据的预测值与真实值求一次R^2系数，即为模型oob_score_的值。
另外，如果需要对训练数据本身的预测，也需要使用oob_prediction_这个属性，这个属性是使用oob的样本来对模型进行预测，而不是训练数据。如果直接将训练数据送入predict()方法中去，得出的结论和原来的基本上是一样的，因为完全生长的决策树，会简单的存储所有的分支，使用训练数据构建得出的决策树，再对训练数据进行测试，结果当然不会变。
文章绝对原创，请随喜打赏，感谢！
打开微信“扫一扫”，打开网页后点击屏幕右上角分享按钮
被以下专题收入，发现更多相似内容：
玩转简书的第一步，从这个专题开始。
想上首页热门榜么？好内容想被更多人看到么？来投稿吧！如果被拒也不要灰心哦～入选文章会进一个队...
· 113169人关注
即使困在果壳之中，
能算场方程的果仁！
导读：http://jianshu.io/p/4a1b144cd3b0
· 3954人关注
干货技术文。
· 2928人关注
文章绝对原创，请随喜打赏，感谢！
选择支付方式：}