Пусть мы имеем дело с потоком случайных многомерных объектов. Предположим, что каждый объект обладает n характеристиками, значения которых берутся из (непустых) множеств X1, ..., Xn соответственно.
Пусть Quality – распределение на X1 × ... × Xn × {хороший, плохой}.
Пусть fi – отображение, ставящее каждому элементу множества Xi некоторое вещественное число, называемое приращением рейтинга.
Пусть f(x1,...,xn) = f1(x1) + ... +fn(xn) – рейтинг объекта.
Будем считать, что объект принимается, если его рейтинг больше некоторой заданной константы a, и отвергается в противном случае.
Наша задача - при известных статистических данных о распределении Quality выбрать функции fi и константу a таким образом, чтобы минимизировать долю отвергаемых "хороших" объектов или долю принимаемых "плохих" объектов.
Другие варианты постановок задач могут быть следующие:
Описанная система реализуется во многих областях. Мы будем рассматривать ее в применении к отсеву неблагонадежных клиентов в областях кредитования, страхования и телекоммуникаций.
Также при некотором обобщении модели можно рассматривать скоринг уже обслуживаемых клиентов и улучшать или ухудшать условия обслуживания для клиентов, которые приносят достаточно малый или достаточно большой ущерб, соответственно (примером являются системы бонус-малус в страховании).
Скачать
Ближайший курс