包含但并不限于是什么意思,包含但并不限于线性代数 _百科达人

文章插图
包含但并不限于是什么意思1包含但并不限于是指包括指定的内容，但不仅仅限于指定的内容，还可以超出指定的内容。如：“包括但不限于啤酒、葡萄酒，客人不得自行带入歌厅。”就是说啤酒、葡萄酒肯定不能带入歌厅，其他酒水也可以视情况被限制带入。
其次这是一个合同上常用的法律术语。可以理解为：包括下列内容或情形以及没有列明的但与本合同有关的其他的内容或情形。那些情形尚未例举完，但如有类似情形，则比照此条款处理。
如何谨慎地评估一个数据源2对于金融机构而言，流量和风控决定利润，而数据质量是风控核心。为提升风控水平，会引入第三方数据源。本文从线下数据测试与线上模拟测试两个流程，介绍如何谨慎地评估一个数据源，一起来看一下吧。
一、概述：对于金融机构而言，流量和风控决定利润，而数据质量是风控核心。为提升风控水平，会引入三方数据源，一般都会思考两个方面：数据能否用，数据如何用。本篇文章会从线下数据测试与线上模拟测试两个流程介绍如何谨慎地评估一个数据源。通常情况下：
优化现有的模型，一般会考虑接入变量类和原始数据类；用来设计策略，一般会接入黑名单类，评分类的数据或者变量类；丰富用户画像的维度，这种数据能反映用户的某些属性，一般考虑原始数据类。二、常用指标说明1. 覆盖率覆盖率是考量数据覆盖程度的指标，又叫查得率。根据业务情况和数据的应用场景，确定数据覆盖程度的需求，覆盖率越高越好。
2. 有效性分析单变量的KS 、GINI、IV 值、趋势。同时，还要考量数据的可解释性和趋势的稳定性。
1）KS
用以评估对好、坏客户的判别区分能力，计算累计坏客户与累计好客户百分比的最大差距。KS值范围在0%-100%，评分类的变量，一般要求ks20%，变量类的数据一般要求ks10% 。
2）GINI系数
也是用于模型风险区分能力进行评估。GINI统计值衡量坏账户数在好账户数上的的累积分布与随机分布曲线之间的面积，好账户与坏账户分布之间的差异越大，GINI指标越高，表明风险区分能力越强。
3）IV 值
信息价值，用来表示特征对目标预测的贡献程度，即特征的预测能力，一般来说，IV值越高，该特征的预测能力越强，信息贡献程度越高。
3. 稳定性无论是评分类还是变量类的数据源，都需要评估稳定性。稳定性的评估是需要参照了，一般使用PSI指标，对比预期分布与实际分布的差异。
当特征变化过于剧烈时，并不是一定确定该数据源/特征不使用，而是要先去了解变化产生的原因。
4. 共线性共线性又叫做多重共线性，是指自变量之间存在较强的，甚至完全的线性相关关系。当自变量之间存在共线性时，模型的参数会变得极其不稳定，模型的预测能力会下降。
许多第三方的数据衍生逻辑都是笛卡尔积遍历所有组合的可能。因此，在建模前期变量的筛选环节，就需要采取有效措施避免共线性问题。容忍度（Tolerance）、方差膨胀因子（Variance inflation factor, VIF）、特征根（Eigenvalue）、条件指数（Condition Idex）等，都是考察手段。
5. 相关性分析可以进行相关性分析，分析数据的相关程度。数值特征与数值特征一般用协方差、prarson系数和举例相关系数评估；而类别特征通常用卡方检验、Fisher得分、F检验、斯皮尔曼等级相关、Kendall相关系数来评估。
6. 投入产出评估在整个评估环节中，最重要的环节，就是将数据联动当前策略，结合三方数据服务的收费模式（常见的计费方式有按调量、按命中量计费计费，如果需求较大，也可以考虑谈判用年/月包）评估这个接口的投入产出，最终评估，这个接口上线后所产生的收益能否覆盖这个接口的支出。
三、离线测试1. 提供线下测试样本根据接入目的的不同，测试样本也会稍有差异，比如为了优化现有模型，就最好提供建模时所用的数据样本。但大致上测试样本需满足以下几点：
连续一段时间内的样本，可以评估数据的稳定性；最好是近段时间的样本，这样线下评估结果与线上实际效果差距不会太大；其他特殊条件，如覆盖不同的产品和客群。注：如果不满足连续性、稳定性、代表性这三个条件，测试结果可能是不准确的。
2. 了解数据源情况一般第三方会提供产品说明，从中需要了解数据的底层逻辑和构成，了解数据背后的业务含义。同时也需要格外注意底层数据来源（中间环节越少越好）、更新频率（越快越好）等信息。评估数据效果可以从策略角度，也可以从模型角度：

包含但并不限于是什么意思,包含但并不限于 线性代数

包含但并不限于是什么意思,包含但并不限于线性代数