ZestFinance是前谷歌首席信息官及工程副总裁Douglas Merrill和Capital One（美国第一资本投资国际集团）公司前主管Shawn Budde的心血结晶。该公司为放款者提供承保模式，旨在为那些个人信用不良或者不满足传统银行贷款资格的个人提供服务。
ZestFinance，是一家位于洛杉矶的初创公司，他们使用机器学习的方式来评估个人贷款的信贷风险指数。近日该公司获得了2000万美元的C轮风险融资，该轮融资由Peter Thiel领投，Northgate Capital、Matrix Partners、Kensington Capital Holdings、Eastward Capital Partners以及Lightspeed Venture Partners也进行了参投。
ZestFinance的模型
在ZestFinance的分析模型中大约有70000个变量，然后使用一些机器学习算法进行分析。一旦机器承接了大部分的工作，那么人类只需要根据分析结果进行一些逻辑分析和判断。总之，ZestFinance声称这种方式比传统的衡量模型提升了60％的效率，更重要的是，还款率也比传统的方法高出了90％。
在2012年1月份，ZestFinance在B轮融资中就获得了7300万美元的风险资金，其中包括2300万美元的股权融资和5000万美元的债务融资。
在2012年， Merrill在参加GigaOM的Structure：Data大会时就表示：“大数据和人类的艺术性的结合才是Hilbert（ZestFinance当时最新的模型，取自统计学家David Hilbert之名）的潜在价值。”
这是因为，虽然机器在寻找关系和模型时表现出强大的能力，但是它们却不善于根据语境来进行推论或者去除那些毫不相干的内容。Merrill曾解释道，例如人类可以基于温度来教机器判断是下雨还是下雪，但是很多机器学习并没有任何意义。就像机器学习了-1度的温度是低于零度，但是50度和51度对它而言并没有太大的区别，而机器真正需要学习的是，温度是否低于或高于32度（当然如果在中国的话，数字可能就是40）。
而在ZestFinance的Hilbert模型中，大约25％的变量是人为干预的结果。Merrill指出，人类并不适合计算如此庞大的数据集和处理复杂的算法，因为它们有70000多个变量。
虽然ZestFinance已经早早看到了银行服务业的短板，但它并不唯一，Zebit、AvantCredit和Kreditech等公司也提供类似的方法。
现在机器学习越来越引起大家的关注，不久前， Hadoop领头公司Cloudera就收购了机器学习创业公司Myrrix，很多人对机器学习的印象可能都是实验室中大量晦涩难懂的理论和数据分析，然而已经有很多创业公司已经将其实现了商业化。
原文发布时间为：2013-08-5
本文来自云栖社区合作伙伴“大数据文摘”，了解相关信息可以关注“BigDataDigest”微信公众号
