（4）冷启动：由于项目冷启动时 ， 没有积累的正负样本可供使用 ， 因此可以根据经验挑选一些有区分度的特征 ， 使用异常检测算法进行无监督训练 ， 得到集欺诈检测与信用评级功能于一体的冷启动模型 。
异常检测技术在风控领域具有重要的现实意义 ， 比如在反欺诈业务中 ， 客户的欺诈行为是时刻在变化的 ， 使用历史样本训练的模型很快无法应对新的欺诈行为 ， 并且有监督模型具有滞后性 ， 更多的是发掘已经发生过的欺诈模式 。基于无监督任务的异常检测算法可以作为一种辅助的探索式工具 ， 用于发现最新的数据异常模式 ， 但是毕竟无监督任务带有一定的不确定性和不稳定性 ， 配合现有的监督模型共同来进行欺诈客户检测 ， 通过多种模型的配合使用 ， 可以实现更好的风险控制 。

• 智库论坛 | 社区电商推动供应链数字化转型的对策建议
• 人类与AI如何共处？诺奖科学家、将棋天才、“低欲望社会”提出者的不同解答
• 线上新书发布！云上带你了解有关“冬奥”的那些事儿
• 20合1混采！ 核酸检测要提速了
• 我的世界大闹天宫龙宫怎么玩（我的世界大闹天宫龙宫打法技巧一览）
• 复苏的魔女竞技场用什么队伍（复苏的魔女竞技场队伍搭配心得分享）
• 复苏的魔女魔导装备boss怎么打（复苏的魔女魔导妨害装备获取攻略大全）
• 今年的iphonese，还是你熟悉的模样
• 长安福特蒙迪欧在中国市场的“全球化”
• safari浏览器中的indexeddb漏洞