数美科技李田：机器学习在数美业务中的实战应用与融合策略

数美科技的李田在其分享中探讨了机器学习在数美科技业务中的实际应用和落地情况。机器学习被划分为三个核心领域：监督学习、无监督学习和增强学习。 监督学习是数美业务中的关键部分，包括分类和评分场景。在数美天信中，通过可信度评分来评估用户信誉；天网则利用客户评分和广告行为分，如逻辑回归、XGBoost等算法，进行客户行为理解和反欺诈；天净的内容识别与拦截则依赖于复杂的分类技术，如决策树及其变种，用于政治、色情、暴力等内容的自动检测。 无监督学习主要用于异常检测和聚类分析，例如在反欺诈（如天网）中发现异常交易行为，K-means和DBSCAN算法在此扮演重要角色，而iForest则用于异常点检测。这些算法帮助数美识别潜在风险并优化用户体验。 增强学习在数美业务中的应用主要集中在游戏AI、自动驾驶等智能场景，如Q-learning、MCTS和RHGA等算法。虽然在数美业务中还未大规模应用，但随着技术的发展，未来可能会在更多领域发挥作用。 在实际落地过程中，数美科技将机器学习技术应用于天净、天信和天网等多个产品线。以天信为例，通过多方数据提升可信度评分，采用多模型融合策略，结合传统评分卡方法和序列化事件训练，既考虑了模型的全面性和覆盖率，又确保了结果的准确性和稳定性。通过模拟训练和融合不同模型，数美科技实现了在业务场景中的精准预测和决策支持。 总结来说，数美科技在利用机器学习推动业务发展时，不仅关注技术本身，更注重如何将这些技术与实际业务需求相结合，从而实现数据驱动的决策优化和业务增长。