ePrivacy và GPDR Cookie Sự đồng ý của Cookie Đồng ý

". . . khuôn khổ bao quát của tách dữ liệu, lựa chọn tính năng, mô hình điều chỉnh, và đánh giá tổng thể là thống kê đúng đắn. "

-Tiến sĩ Xiaofei (Susan) Wang, tiến sĩ, sở thống kê & khoa học dữ liệu, đại học Yale

Đọc sách trắng

What's inside?

Vui lòng nhập Địa chỉ Email Doanh nghiệp
Thank you! You can download the whitepaper/ebook below. We'll also email you a copy for safe keeping.
Đọc sách trắng
Rất tiếc! Có lỗi xảy ra khi nộp biểu mẫu.
Vui lòng nhập Địa chỉ Email Doanh nghiệp
Thank you! We'll be sending your whitepaper/ebook shortly. Keep an eye on your inbox.
Rất tiếc! Có lỗi xảy ra khi nộp biểu mẫu.
Đọc sách trắng

". . . khuôn khổ bao quát của tách dữ liệu, lựa chọn tính năng, mô hình điều chỉnh, và đánh giá tổng thể là thống kê đúng đắn. "

-Tiến sĩ Xiaofei (Susan) Wang, tiến sĩ, sở thống kê & khoa học dữ liệu, đại học Yale

Xin vui lòng điền vào các chi tiết của bạn để có được độc quyền truy cập vào e-Book

Cảm ơn bạn! Nộp hồ sơ của bạn đã được nhận và chúng tôi sẽ gửi cho bạn bản sao của bạn ngay.

Rất tiếc! Có lỗi xảy ra khi nộp biểu mẫu.

CredoLab là đi đầu trong các thực tiễn quản lý rủi ro sáng tạo mà tham gia với các phương pháp tiếp cận mô hình tín dụng tiểu thuyết được availed bởi sự đột biến trong sử dụng điện thoại di động. Core để kinh doanh của CredoLab là đường ống mô hình của nó. Lấy điện thoại thông minh như đầu vào, đường ống xử lý dữ liệu bao gồm một loạt các bước tự động, bắt nguồn từ các kỹ thuật học máy, mà cuối cùng ra một mô hình dự đoán cho tín dụng mặc định. Để bảo vệ bí mật và đảm bảo chống lại sự thiên vị đối với khách hàng vay vốn cá nhân, chỉ sử dụng siêu dữ liệu không nhận dạng được.

Cuốn sách điện tử này báo cáo những phát hiện của tiến sĩ Xiaofei (Susan) Wang, giảng viên và nghiên cứu Scholar, đại học Yale từ một đánh giá, cô đã làm trên mô hình ghi điểm của CredoLab. Cô được coi là một loạt các phương pháp tiếp cận thay thế cho các bước khác nhau của đường ống và tìm thấy kết quả thuận lợi, bao gồm cả khi áp dụng cho dữ liệu thực.

Trong cuốn sách điện tử này, chúng tôi lần đầu tiên khám phá các tập dữ liệu mà CredoLab tiêu thụ, làm thế nào nó dịch nó thành điểm, và kết quả nó phục vụ. Trong phần sau của giấy, chúng ta hãy xem cách thuật toán của CredoLab fared khi so sánh với các cầu thủ lớn khác với các mô hình chấm điểm tương tự.

Tiến sĩ Xiaofei (Susan) Wang, tiến sĩ

Học giả Giảng viên và nghiên cứu, Sở Thống kê & Khoa học dữ liệu, Đại học Yale

Sinh ra ở Nam Kinh, Trung Quốc, tiến sĩ Wang chuyển đến Hoa Kỳ từ rất sớm và đã làm việc với các tổ chức học viện hàng đầu. Bà là cử nhân Đại học California và có bằng tiến sĩ thống kê từ Đại học Yale. Bà hiện đang giữ các vị trí quan trọng tại nhiều hiệp hội khác nhau và làm việc tại Đại học Yale như là một giảng viên và học giả nghiên cứu. Bà cho xuất bản nhiều ấn phẩm và giành được nhiều giải thưởng khác nhau.