本笔记源于CDA-DSC课程，由常国珍老师主讲。该训练营第一期为风控主题，培训内容十分紧凑，非常好，推荐：CDA数据科学家训练营
——————————————————————————————————————————
一、欺诈、损失定义与分类
1、欺诈分类
欺诈与客户虚假信息识别的案例较少，因为这些案例的数据源十分敏感，一般不会流入市场供大众参考。
从英国信用行业欺诈防范体系中看出，绝大多数欺诈可以分为申请欺诈、身份欺诈。
申请欺诈：使用虚假信息申请，较多根源于内部（公司内部员工引发）
身份欺诈：使用伪造的信息或盗用无辜的受害人的信息进行申请（外部）
申请欺诈，一般不是模型问题，而是数据本身存在问题，譬如小城市大学生比例超级高，模型是做不出来的，只能从描述性看出来。中国的欺诈、评级原理不公开，因为一公开，造假的可能性越大，负担不起。
2、损失分类
——————————————————————————————————————————
二、欺诈防控体系
欺诈一般不用什么深入的模型进行拟合，比较看重分析员对业务的了解，从异常值就可以观测出欺诈行为轨迹。同时欺诈较多看重分类模型的召回与准确率两个指标。较多使用SVM来进行建模。
召回率，准确率，排序很准的模型排行：
1、SVM
2、随机森林、决策树
1、银行卡欺诈防控体系
2、检测级别提升路径
其中，规则判断，行为特征分析属于较为简单的分析方法，大多不需要通过建模，通过观测业务数据以及异常行为特征分析即可；
智能模型识别，会用SVM模型来进行识别；
关联分析（有组织的欺诈）：社会网络的方法来探究（R语言︱SNA-社会关系网络 R语言实现专题（基础篇）（一））。