在征信中，我们会把批准率和坏账率结合起来，也就是在机器学习中把precision（精确率）和recall（召回率）结合起来，才能作一个综合的判断。
当然，征信领域我们用得最多的是KS distance（KS距离），这是俄罗斯的两位数学家名字的首字母。
在金融领域，什么案例能证明机器学习有用？
我们很多模型都在金融机构的完成两个维度中至少一个维度的提高，那就是我们可以在保证批准率相同的请胯下降低坏账率，或者在相同的坏账率的情况下提高批准率。现在中国的征信刚刚起步，我们的模型在很多场景下可以既提高批准率又可以降低坏账率，这不是一个长远的情况。但总体而言，至少要做到单一维度上的提升，才可以称得上是一个好的金融科技公司。
下面一个问题，如何避免机器出错？
早年我们自己开玩笑，机器学习到底是机器学人还是人学机器，明明是人在学机器，我在卡梅隆6年才拿到我的博士学位，每天起早贪黑，科比说他看过洛杉矶凌晨4点的样子，我说这有什么稀奇的，我经常看到3点的匹兹堡。从我的经验来看，不是机器在学习人，而是人在学习机器。