已经有了 XGBoost，富国银行为什么还要自训交易基础模型？

导读

已有成熟的欺诈检测模型，银行为什么还要从头训练自己的交易模型？富国银行的 Freddy Lecue 希望让系统学会前后交易的关系，并把不同渠道积累的经验复用到多项业务。团队从数千个人工特征退回约一百个原始属性，按交易主体、内容、渠道、时间和地点设计编码，再用 Transformer 预测后续交易，先学习共同表示，随后训练成欺诈分类器。金额、时间差、类别和邮编各有不同的取值范围，团队要逐项决定怎样编码，以及历史序列放多长，而非直接照搬语言模型的输入方法。按团队报告，新模型比生产中的 XGBoost 多识别欺诈、少误拒正常交易，也满足即时判断的延迟要求；这很重要，因为拒绝正常交易会带来客户来电、运营支出和交易损失。同一基础模型也计划用于信用额度和反洗钱等业务。