配对算法
Matchmaking Algorithm
我正在尝试弄清楚如何最好地将借款人与贷方匹配以进行房地产交易。假设某个平台上有一个由 1000 个贷方组成的网络。借款人将登录，并被要求提供以下信息：
- 个人信息和业绩记录（他们完成了多少项目、信用评分、净资产等）
- 贷款信息（贷款规模、类型、杠杆等）
- 项目信息（单元数、楼层、位置、建筑类型等）
另一方面，贷方会提供他们同意放贷的标准。例如，如果满足以下条件，贷方同意借给借款人：
他们做了5个以上的项目
信用评分 > 700
净资产 > 贷款金额
500,000 美元 < 贷款金额 < 5,000,000 美元
杠杆 < 75%
建筑面积 > 10 个单元
位置 = CA、AZ、NY、CO
等...
我想创建一个系统，根据借款人提供的信息和贷款人提供的标准，将贷款人与借款人相匹配。理想情况下，系统会为借款人分配 1000 个分数，代表平台上每个贷方的“配对”分数。满足更多贷方贷款要求的借款人将获得更高的分数，因为匹配度应该更高。哪种机器学习算法最适合生成这样的分数？还是可以使用组合优化来解决这个问题？
谢谢！
如果你还没有这个系统，你不太可能有好的机器学习数据。
因此编写一些自定义规则并开始收集数据。一旦你有了数据，就可以做一些事情，比如建立一个逻辑回归来估计接受的概率。一旦该模型足以在 A/B 测试中击败您自己制定的规则，请切换到机器学习模型。
但是，在您有数据可供学习之前，您无法调用机器学习的魔力。
我正在尝试弄清楚如何最好地将借款人与贷方匹配以进行房地产交易。假设某个平台上有一个由 1000 个贷方组成的网络。借款人将登录，并被要求提供以下信息：
- 个人信息和业绩记录（他们完成了多少项目、信用评分、净资产等）
- 贷款信息（贷款规模、类型、杠杆等）
- 项目信息（单元数、楼层、位置、建筑类型等）
另一方面，贷方会提供他们同意放贷的标准。例如，如果满足以下条件，贷方同意借给借款人：
他们做了5个以上的项目
信用评分 > 700
净资产 > 贷款金额
500,000 美元 < 贷款金额 < 5,000,000 美元
杠杆 < 75%
建筑面积 > 10 个单元
位置 = CA、AZ、NY、CO
等...
我想创建一个系统，根据借款人提供的信息和贷款人提供的标准，将贷款人与借款人相匹配。理想情况下，系统会为借款人分配 1000 个分数，代表平台上每个贷方的“配对”分数。满足更多贷方贷款要求的借款人将获得更高的分数，因为匹配度应该更高。哪种机器学习算法最适合生成这样的分数？还是可以使用组合优化来解决这个问题？
谢谢！
如果你还没有这个系统，你不太可能有好的机器学习数据。
因此编写一些自定义规则并开始收集数据。一旦你有了数据，就可以做一些事情，比如建立一个逻辑回归来估计接受的概率。一旦该模型足以在 A/B 测试中击败您自己制定的规则，请切换到机器学习模型。
但是，在您有数据可供学习之前，您无法调用机器学习的魔力。