写回答
-
推荐回答特征工程主要服务于金融风控场景，比如决策引擎、反欺诈、风控模型服务等。特征工程主要的目的是将原始数据转换为更好的表述问题本质的过程。使用这些特征可以提高我们对一些不可见事物预测的精度，金融业务场景就是使用这个特征来提高对用户风险的识别能力。 特征工程是整个数据挖掘模型里最耗时也最重要的一步，它为金融业务全流程的风控提供了核心的数据支撑，主要分为三个部分：
• 首先是特征挖掘，主要由风控策略和模型开发的团队来完成，他们会根据业务指标进行数据的分析处理，然后再提取出有效的合规的特征；
• 当特征挖掘出来之后会给到开发团队，特征开发团队根据这个特征的来源会对接不同的数据源，有些是 来自三方的，有些是离线加工出来的，还有实时加工的，当然还有一些机器学习模型进行再次加工计算出来的特征；
• 开发好的特征会通过特征中台提供给线上的业务使用，同时也要保障整个特征链路的稳定性。
以上内容摘自《Apache Flink 案例集（2022版）》电子书，点击https://developer.aliyun.com/ebook/download/7718 可下载完整版
2022-08-31 12:50:45赞同 展开评论 打赏
版权声明：本文内容由阿里云实名注册用户自发贡献，版权归原作者所有，阿里云开发者社区不拥有其著作权，亦不承担相应法律责任。具体规则请查看《阿里云开发者社区用户服务协议》和《阿里云开发者社区知识产权保护指引》。如果您发现本社区中有涉嫌抄袭的内容，填写侵权投诉表单进行举报，一经查实，本社区将立刻删除涉嫌侵权内容。
实时计算Flink版是阿里云提供的全托管Serverless Flink云服务，基于 Apache Flink 构建的企业级、高性能实时大数据处理系统。提供全托管版 Flink 集群和引擎，提高作业开发运维效率。
