摘要

<正>随着以大数据、机器学习、深度学习为基础的人工智能技术在银行业应用的不断深入,商业银行的数字化转型也在快速推进。一些银行开始通过大数据构建机器学习模型,并嵌入到自动化的信贷业务审批流程中,帮助预警风险,提升风险管理水平,同时也帮助改进传统模型过度依赖专家经验和规则的缺陷。例如,量化指标维度过少,难以挖掘复杂的数据关联特征,过度依赖模型设计者的主观因素导致特征不适合、不完整等。然而,