大规模不确定性估计及其在中小企业营收预测中的应用
机器学习
2020-05-05 v1 机器学习
摘要
中小型企业（SME）部门在经济和银行业中的重要地位在当代社会已得到广泛认可。商业信用贷款对中小企业的运营至关重要，而营收是信用额度管理的关键指标。因此，构建可靠的营收预测模型非常有益。若能估计企业营收预测的不确定性，便可授予更恰当的信用额度。自然梯度提升方法通过基于自然梯度的多参数提升算法来估计预测的不确定性。然而，其原始实现不易扩展到大数据场景，且相较于最先进的基于树的模型（如 XGBoost）计算代价高昂。本文提出一种可扩展自然梯度提升机（Scalable Natural Gradient Boosting Machines），其实现简单、易于并行化、可解释，并能给出高质量的预测不确定性估计。根据营收分布的特征，我们推导出一个不确定性量化函数。我们证明，我们的方法能够区分中小企业营收预测中准确与不准确的样本。此外，模型可自然获得可解释性，满足金融需求。
引用
@article{arxiv.2005.00718,
title = {Large-scale Uncertainty Estimation and Its Application in Revenue Forecast of SMEs},
author = {Zebang Zhang and Kui Zhao and Kai Huang and Quanhui Jia and Yanming Fang and Quan Yu},
journal= {arXiv preprint arXiv:2005.00718},
year = {2020}
}