记分卡通常用于信用申请。开发信用评分卡的一个非常常见的模型是逻辑回归，因为它具有明确定义的概率。
除了逻辑回归，还有什么模型可以在记分卡中使用？
例如，我不知道是否可以使用支持向量机，因为它只输出一个决策边界。
更多关于记分卡：
- 为特征分配权重
- 所有特征都是分类的
- 值为 True 的所有特征的权重之和是总分（如清单）
- 会有一个分界点来分类好/坏（标签，+1，-1）
- 离截止点多远代表概率。
什么监督机器学习模型可用于生成类似记分卡的结果？
数据挖掘
逻辑回归
支持向量机
模型选择
2022-03-02 16:05:19
1个回答
这取决于“可以使用”的含义：可以使用任何回归算法，问题是它的执行可靠性如何。您可以通过实验比较不同的算法（如果您有数据集）。
[问题编辑后更新]
一般来说，在这种设置下使用 ML 的方法是仅基于分类特征训练分类模型。根据算法的类型，特征组合可能并不总是加权和，结果标签可能基于也可能不基于截止点。为了有一个截止点（因此是一个数值预测），该方法必须是一种软分类方法。或者，可以训练回归模型来预测数值。
因此，您有很多选择：
- 软分类：线性/逻辑回归、朴素贝叶斯、...
- 回归：线性/逻辑回归，SVM，决策树，...
注意：从技术上讲，概率并不代表“离截止点有多远”，它代表实例为正的概率（p=1）。
其它你可能感兴趣的问题