征信模型有哪些（征信模块）-金蝶财经网

大家好！今天给各位分享征信模型有哪些的知识，其中也会对征信模块进行解释，如果能碰巧解决你现在面临的问题，别忘了关注本站，现在开始吧！

本篇目录：

1、征信标准体系框架包括：根据征信业务运作模型，并结合征信业对标准的需求，将标准体系框框架分为两级，第一级为基础标准分体系、主体标准分体系以及监管标准分体系。

2、企业征信报告主要包括四部分内容：基本信息、信贷信息、公共信息和声明信息。基本情况信息：主要包括被征信企业注册信息、股东信息、附属机构信息、管理层及员工信息、办公设施信息等及相关变更信息。

3、征信体系是指由与征信活动有关的法律规章、组织机构、市场管理、文化建设、宣传教育等共同构成的一个体系。征信体系的主要功能是为信贷市场服务，但同时具有较强的外延性，也服务于商品交易市场和劳动力市场。

4、征信体系主要由征信机构、信用信息数据库和信用报告组成。征信机构负责收集和分析信用信息，建立信用信息数据库，并根据需求生成信用报告。这些信用报告可以被授权机构和个人查询，以了解信用状况。

反映征信活动科学性的是真实性原则。征信机构应该以真实、准确、完整的信用信息为基础，提供规范、透明的信用服务，使金融市场健康发展。

反映征信活动科学性的是真实性原则。征信的原则是征信业在长期发展过程中逐渐形成的科学的指导原则，是征信活动顺利开展的根本。通常，我们将其归纳为真实性原则、全面性原则、及时性原则和隐私保护原则。

在征信活动中，真实性原则是一个非常重要的原则，它是反映征信活动科学性的重要指标。真实性原则是指征信机构在收集、整理、分析和评价信用信息时，必须遵循真实性原则，确保所收集的信息真实、准确、完整、及时、合法和保密。

当得到一个模型时的评价标准。确定该模型分数的阈值。根据AUC ROC KS值去判断和确定该模型的好坏和阈值。AUC值：AUC是一个基于ROC图的面积。一般是一个上凸形状。面积越接近1，则说明模型判别效果越好。

针对机器学习中的数据不平衡问题，建议更多PR(Precision-Recall曲线)，而非ROC曲线，具体原因画图即可得知，如果采用ROC曲线来作为评价指标，很容易因为AUC值高而忽略实际对少量样本的效果其实并不理想的情况。

AUC（Area Under Curve）是在机器学习领域中常用的评价指标之一。AUC通常用于衡量分类器的性能，特别是二分类模型的性能。

KS(Kolmogorov-Smirnov)：KS用于模型风险区分能力进行评估，指标衡量的是好坏样本累计分部之间的差值。好坏样本累计差异越大，KS指标越大，那么模型的风险区分能力越强。

其中离线评估的主要方法包括 Holdout检验、交叉检验、留一验证、自助法等，评价指标主要包括用户满意度、预测准确度、召回率、覆盖率、多样性、新颖性、流行度、均方根误差、对数损失、P-R曲线、AUC、ROC曲线等等。

· AUC = 1，是完美分类器，采用这个预测模型时，存在至少一个阈值能得出完美预测。绝大多数预测的场合，不存在完美分类器。·0.5 AUC 1，优于随机猜测。

到此，以上就是小编对于征信模块的问题就介绍到这了，希望介绍的几点解答对大家有用，有任何问题和不懂的，欢迎各位老师在评论区讨论，给我留言。