<?xml version="1.0" encoding="utf-8" standalone="yes"?>
<rss version="2.0" xmlns:atom="http://www.w3.org/2005/Atom">
  <channel>
    <title>风控 on 知识铺的博客</title>
    <link>https://index.zshipu.com/geek/tags/%E9%A3%8E%E6%8E%A7/</link>
    <description>Recent content in 风控 on 知识铺的博客</description>
    <generator>Hugo -- gohugo.io</generator>
    <language>zh-CN</language>
    <lastBuildDate>Tue, 15 Mar 2022 11:40:52 +0800</lastBuildDate>
    <atom:link href="https://index.zshipu.com/geek/tags/%E9%A3%8E%E6%8E%A7/index.xml" rel="self" type="application/rss+xml" />
    <item>
      <title>无监督算法在虎牙风控的探索实践</title>
      <link>https://index.zshipu.com/geek/post/%E4%BA%92%E8%81%94%E7%BD%91/%E6%97%A0%E7%9B%91%E7%9D%A3%E7%AE%97%E6%B3%95%E5%9C%A8%E8%99%8E%E7%89%99%E9%A3%8E%E6%8E%A7%E7%9A%84%E6%8E%A2%E7%B4%A2%E5%AE%9E%E8%B7%B5/</link>
      <pubDate>Tue, 15 Mar 2022 11:40:52 +0800</pubDate>
      <guid>https://index.zshipu.com/geek/post/%E4%BA%92%E8%81%94%E7%BD%91/%E6%97%A0%E7%9B%91%E7%9D%A3%E7%AE%97%E6%B3%95%E5%9C%A8%E8%99%8E%E7%89%99%E9%A3%8E%E6%8E%A7%E7%9A%84%E6%8E%A2%E7%B4%A2%E5%AE%9E%E8%B7%B5/</guid>
      <description>分享嘉宾：吴淑媛博士 虎牙 编辑整理：李菲 神州数码 出品平台：DataFunTalk 导读： 本文的主题为无监督算法在虎牙风控的探索实践，首先会简单介绍虎牙主要的业务场景以及存在的风险，其次是黑产常见的攻击技术手段以及传统应对方法的不足。第二部分会分享无监督算法在虎牙风控中的落地实践，详细</description>
    </item>
    <item>
      <title>由于幸存者偏差导致强变量在后续迭代中逐渐削弱甚至相反怎么办文末有福利</title>
      <link>https://index.zshipu.com/geek/post/%E4%BA%92%E8%81%94%E7%BD%91/%E7%94%B1%E4%BA%8E%E5%B9%B8%E5%AD%98%E8%80%85%E5%81%8F%E5%B7%AE%E5%AF%BC%E8%87%B4%E5%BC%BA%E5%8F%98%E9%87%8F%E5%9C%A8%E5%90%8E%E7%BB%AD%E8%BF%AD%E4%BB%A3%E4%B8%AD%E9%80%90%E6%B8%90%E5%89%8A%E5%BC%B1%E7%94%9A%E8%87%B3%E7%9B%B8%E5%8F%8D%E6%80%8E%E4%B9%88%E5%8A%9E%E6%96%87%E6%9C%AB%E6%9C%89%E7%A6%8F%E5%88%A9/</link>
      <pubDate>Tue, 15 Mar 2022 08:58:38 +0800</pubDate>
      <guid>https://index.zshipu.com/geek/post/%E4%BA%92%E8%81%94%E7%BD%91/%E7%94%B1%E4%BA%8E%E5%B9%B8%E5%AD%98%E8%80%85%E5%81%8F%E5%B7%AE%E5%AF%BC%E8%87%B4%E5%BC%BA%E5%8F%98%E9%87%8F%E5%9C%A8%E5%90%8E%E7%BB%AD%E8%BF%AD%E4%BB%A3%E4%B8%AD%E9%80%90%E6%B8%90%E5%89%8A%E5%BC%B1%E7%94%9A%E8%87%B3%E7%9B%B8%E5%8F%8D%E6%80%8E%E4%B9%88%E5%8A%9E%E6%96%87%E6%9C%AB%E6%9C%89%E7%A6%8F%E5%88%A9/</guid>
      <description>解析： 幸存者偏差（SurvivorshipBias）与样本不均衡（Imbalance Learning）问题都是由于风控模型的拒绝属性导致的。但表现形式略有不同。幸存者偏差是指，每次模型迭代时，使用的样本都是被前一个模型筛选过的，从而导致的样本空间不完备。 其实主要是添加负样本的问题</description>
    </item>
  </channel>
</rss>
