匹配算法

Question

我正试图找出如何使借款人与贷款人进行房地产交易的最佳匹配。假设在一个平台上有一个由1000个贷款人组成的网络。借款人将登录，并被要求提供以下内容：

1. 个人信息和跟踪记录(他们做了多少项目、信用评分、净资产等)
2. 贷款信息(贷款规模、类型、杠杆等)
3. 项目信息(单位数量、楼层、位置、建筑类型等)

另一方面，贷款人将提供他们同意贷款的标准。例如，在下列情况下，贷款人同意向借款人提供贷款：

1. 他们已经做了5多个项目

1. 信用评分> 700

1. 净资产>贷款额

1. $500,000 <贷款额<5,000,000

1. 杠杆< 75%

1. 大楼大小> 10单元

1. Location = CA，AZ，NY，CO

1. etc...

我想要创建一个系统，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，该系统将为借款人分配1000个分数，这代表了平台上每个贷款人的“匹配”分数。满足贷款人更多贷款要求的借款人将获得更高的分数，因为匹配应该会更好。什么样的机器学习算法最适合产生这样的分数？还是用组合优化来解决这个问题呢？

谢谢!

Answer 1

如果你还没有这个系统，你就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。一旦有了数据，就做一些类似于构建一个逻辑回归来估计接受概率的事情。一旦模型足够好，可以在A/B测试中击败您自己的规则，就切换到机器学习模型。

但是，除非您有数据可供学习，否则您无法调用机器学习的魔力。