同调-独立贝氏分类器（CIBer）：一种新的金融保险科技工具
简介
同调-独立贝氏分类器（CIBer）是一种新颖的金融科技和保险科技工具，通过同调性对特征变量之间的强依赖结构进行建模。它通过处理所有的特征变量并对它们的依赖结构进行建模，改善了预测变量的聚类和分类表现。 与现有的机器学习和深度学习方法相比，CIBer在许多金融和保险数据集上展现出优越的性能。
解决方案
在大数据时代，金融和保险行业通常可以有大量数据可用。 公司亦迫切需要利用这些数据更好地对客户的风险进行分类，并预测他们的需求。 我们的创新可以提供更好远胜现有方法的预测结果。
创新技术
- 现有的贝氏分类器假设所有特征变量是条件独立的。CIBer可利用同调性和独立性对变量进行建模，从而获得更好的性能。
- 我们提出了一种全新的联合编码方案，用于对分类特征变量的取值进行编码，以更好地体现它们的依赖结构。
- CIBer的应用可以延伸至回归领域，而传统的贝氏分类器只能完成分类任务。
主要成效
- 由于其独特的特征工程，CIBer可以很好地处理所有离散、连续和分类特征变量。
- CIBer将特征变量分成了不同的同调聚类，其结果是可解释的，而其他分类器的结果则无法解释。
- 由于为特征变量建立了更好的模型，CIBer的表现通常优于现有的机器学习方法。
- 我们的方法能轻松应用于很多现实世界的数据集中。
奖项
- 第48届日内瓦国际发明展银奖
应用范畴
- 顾客风险分类是保险业和金融业的中心问题，而CIBer可用于准确为风险分类。
- CIBer可应用于企业的财务报表以及预测其未来回报。
- 作为可解释AI，CIBer会因其结果满足合规要求而更受公司青睐。
- CIBer在其他诸多领域亦可广泛应用，例如教育、心理学和市场营销等。
专利申请
- 美国专利申请63/487,282号
香港中文大学
香港中文大学（中大）成立于1963年，是一所具有全球视野的前瞻性综合性研究型大学，其使命是融合传统与现代，融汇中西。中大师生来自世界各地。四位诺贝尔奖得主与大学有联系，是香港唯一一所拥有诺贝尔奖、图灵奖、菲尔兹奖和凡勃伦奖得主的大专院校。中大毕业生通过广泛的校友网络连接全球。中大在多个学科领域开展广泛的研究项目，并努力为所有学术人员提供开展咨询和与业界合作项目的空间。大学对最高研究标准的坚持为其赢得了令人羡慕的研究声誉。学校设有5个国家重点实验室，受中国科技部委托，开展具有国际水平的研究，承担国家重大科研任务。大学还拥有发表研究的出色记录，无论是在特定学科期刊，还是在更引人注目的出版物上，如《科学》、《自然》和《柳叶刀》。
查询
