风控算法（1）业务风控常用算法归纳
业务风控常用算法归纳
风控碎碎念：https://www.zhihu.com/column/c_1483570023214510080
求是汪在路上：https://www.zhihu.com/column/c_1156982447794233344
前言
本篇文章在这里主要是做一个综述性的文章简单介绍一下，做一个归纳性质的文章：风控最核心的算法，按我的理解可以分解为以下几类
- 有监督的去评价用户各个场景的风险层级：欺诈类风险，信用类风险等；给用户一个评分，作为用户后续策略的基础；【LR、XGB、LGB】
- 无监督的去挖掘用户的社区关系：社区发现类算法，最主要的适用于数据标签的扩散，通过用户的相似性或者用户的关联性，达到增加覆盖的目的
- 发现数据中的异常值：往往用于日常的风险感知和监控之中，可以有最简单的箱线图，也可以有单分类的孤立森林；
- 行为序列的发现：最简单的可以是频繁项集，复杂的可以用各类用于序列挖掘的深度学习模型，可以作为模型的一个特征，也可以作为风险行为的发现；
- 内容风控中：往往从正则和规则开始，有复杂的深度学习模型来cover，这一块了解较少；
一、风控算法场景
1.1 用于用户风险评级的算法
这里不考虑冷启动阶段所涉及的一些专家规则和头脑风暴，一般评级往往存在于项目运行了一段时间，有了比较可靠的数据积累之后，这时候往往需要我们更精确的根据场景进行用户的划分，最为人熟知的便是信贷中常用的信用分的那一套东西，这一块的知识，我常常是看这个博主 求是汪在路上；这一块的算法或者说这一类的算法，这位大佬讲的已经十分清楚了，有兴趣的可以翻出来看看；
这一类的算法，主要是以有监督为准，难点主要集中在，正负样本不平衡，正负样本的选择，样本的观察期，表现期，观察点等的选择。一般涉及到的算法，主要以lr，xgb为主，那么在实际使用中，xgb和lightGBM因为其效果出色，特征工程的东西往往比较简单，往往在使用中用的更多一些。
这一类场景，往往目标相对明确，用途相对明确，做起来，工作量主要集中在特征工程上，一般来说特征工程做好了，这一类模型都可以做出还可以的效果；
1.2 用于社区挖掘的算法
社区挖掘，其实和聚类有点点像，也有点像推荐中的基于用户相似的推荐，本质就是将有关系，有联系的各类用户放到一起，用以达到用户分群的目的，这一块写的比较好的文章，我推荐：
- 怎么去找边与边之间的关联：
2、 社区挖掘的算法有哪些：
基本社区发现就是在于如何发现用户之间，边与边之间的关系，可以是直接关系可以是相似关系，然后将边连成图，进行图挖掘，一般来说一个庞大的图大多数会先选择做连通图，再到连通图下做二次挖掘，用以增速提效。前期的数据探索，我比较推荐gephi软件，如果你习惯用python，networkx也是很好的选择，你只需要定义好点和边，便可以大致看出数据的分布和图的密度，选择合适的算法进行愉快的聚类咯。
其实这一块，我觉得和推荐场景有一点点像，推荐是猜你喜欢，风控是猜你会干坏事，只是标签不一样，要做的事情是一样的，所有用于推荐相关的算法，也可以类比的用于风控，往往会有出其不意的效果；
1.3 异常值相关的发现算法
异常值算法，其实和不平衡数据集(pu-learning)的解决方法类似，因为对于风控来讲，风控本身针对的用户在平台或者在用户群中，占比就非常非常低，部分场景可能连千分之一，万分之一都不到，对于大数据集来讲，本身就算是一种异常值了，所以往往异常值发现的算法，在实际使用当中，往往会有意想不到的好效果；
说到异常值发现，日常的监控可能是一个方面，比如同比环比，比例异常，用户群占比异常等；除此之外还有一些，xgbod，iforest的半监督或者单分类的模型可以用于此类场景，这类场景，推荐可以参考：
我个人觉得这是一类对于风控来讲非常好的思考方式，就是当我们很难刻画黑用户的特征的时候，我们能尽可能好的描述好白用户的特征，我们一样可以解决问题，这一类问题的模型解决也往往是朝着这个思路来做的；
1.4 行为序列相关的算法
行为序列作为风控行为挖掘的重要组成部分，在部分场景往往有着意想不到的作用，举个例子，电商场景，正常人从搜索到下单，往往有着复杂的序列，至少大部分用户会有复杂的序列，而黑灰产往往会点击某些固定的链接直接进入商详，或者搜索固定的词进入商品，下单购买一气呵成，而如果一个非营销类商品大多数聚集着这样的序列，可能往往就存在一些问题，如果这个问题深入探讨下去，便是行为序列的挖掘；
从简入深，可以有频繁项集(前后无关联，只要频繁反复出现某类行为即为有问题)，往深了做，可以有rnn及其改进的lstm相关的算法，进行进一步的建模，可以更加准确。在业务前期，我们可以先用频繁项集提取一些有价值的规则，在满足前期需求之后，可以进一步使用模型对当前场景进行优化，已达到提升召回和准确的作用。
同样我也在这里推荐一篇知乎上的文章：
1.5 内容风控相关算法
这一部分是我的一个知识盲区，我自己大约只能做到正则，基于同义词的正则相关的策略，其余更深入的算法探索，我没有做过，也没有相关经验，也就不班门弄斧了，毕业以来做深度学习的东西比较少，理论大约停留在表面，不太深入，也没做过什么实践，就不赘述了；网上也没找到什么比较深入探讨的资料，如果有小伙伴推荐的话，我也希望可以评论或者私信告知，不甚荣幸。