大家好，我是小伍哥。

最近遇到了非常多的人问我，我想学风控算法，有没有法相关的资料，发我想学习下。搞了这么多年风控，一时间竟然不知道如何回答。仔细思索了下，其实这个问题非常难回答，写个例子来回答这个问题。

风控算法对场景和业务目标是强依赖的东西，通用的算法，可以用不同的姿势进行应用，结果截然相反，比如关联规则：大家学的都是啤酒尿不湿，但是实际可以用于风控策略的无监督挖掘和有监督挖掘，看你怎么定义问题了。

下面举一个例子，说明下，风控要学什么算法（每个方法的代码后面给出，先讲讲框架）。下面是用户和视频的点赞交互数据，你拿到这个数据，能做什么样的挖掘呢？

视频ID

点赞用户

点赞时间

video_1

2001234

2021-11-16 00:12:23

video_1

2001235

2021-11-16 00:15:29

video_1

2001236

2021-11-16 00:19:45

video_2

2001234

2021-11-16 00:56:23

video_2

2001235

2021-11-16 00:14:23

video_2

2001236

2021-11-16 00:18:23

video_2

2001987

2021-11-16 00:11:23

video_3

2001234

2021-11-16 00:11:29

video_3

2001235

2021-11-16 00:15:45

video_3

2001236

2021-11-16 00:23:45

video_3

2003798

2021-11-16 00:35:45

一、用户聚类

在用户角度，我们可以把用户点赞的视频当成一个文本序列，然后对文本序列聚类，这样得到的相似浏览行为的用户，就会被聚为一类。用户1的序列为：video_3 video_1 video_2 用户2的序列为：video_2 video_1 video_3 假如我们聚类，不考虑点赞顺序的情况下，用户1和用户2完全相似，考虑顺序的情况下，只有33%的相似。
这里就要用到tf-idf+Dbscan等算法进行聚类了

二、视频聚类

我们把视频和用户反过来，按视频，构建用户ID序列，那是不是就可以得到一个用户序列，用同样的方法，可以对相识视频进行聚类，这种对于众包刷单等场景，非常有用

三、团伙挖掘

我们用用户为点，计算视频的交并集，然后用社群挖掘算法，就可以进行团伙挖掘，得到用户直接的团伙，这种方法也是非常还用的。

当然，反过来，以视频为点，交集用户数作为边，也可以构建视频团伙，得到和聚类类似的效果，但是思路完全不一样。

四、同步行为

这个算是我写的最多的算法了，通过时间的同步性，计算用户直接的关系，然后再进行网络挖掘，效果非常好，简直就是同步行为的天花板算法

五、自然语言处理

用户序列或者视频序列，进行训练Word2Vec，可以得到每个对象的词向量，有了词向量，可以进行序列的聚类，也可以计算用户的相似度，或者视频的相似度。

这也是非常有意思的方法，大家可以试试。

六、node2vec

当然，通过上面的各种方法构建的图网络，我们可以用node2vec算法进行训练，得到节点向量，然后计算相似度或者聚类，得到非常抽象的相似用户，也是非常好的无监督方法

六、图神经网络


有了构图，那图神经网络的方法也是可以用的了，得到更丰富的识别准确率，这里可能就是需要用到标签了，进行有监督算法的训练。

七、所有有监督算法

用户或者视频有了标签，可以ngram后用简单的逻辑回归、决策树算法，也可以计算各种特征用xgb、lgbm、catboost等树模型计算

八、CNN等图片算法

行为数据，也可以转换成行为矩阵，用图片的算法进行分类，之前的文章也写过，也是非常有意思的方法。

写了这么多，一个字，就是任何一个算法都可以用到风控，无论是有监督还是无监督。最难的点是理解每个算法的优点与缺点，并在恰当的场景选用恰当的算法，达到出其不意的效果。