问题:机器学习在银行信贷风控中的应用场景?回答思路:1.贷前:信用评估与反欺诈信用评分卡:传统逻辑回归与机器学习(如XGBoost,LightGBM)结合,利用多维度数据(交易、行为、农业生产经营数据)预测违约概率。反欺诈识别:使用无监督学习(如聚类、异常检测)或有监督学习识别团伙欺诈、申请资料造假。2.贷中:风险预警与额度管理行为评分与早期预警:基于贷后还款行为、账户活动等实时数据,利用时序模型预测客户风险等级变化,触发预警。动态额度调整:根据客户风险变化和贡献度,利用强化学习等模型动态调整授信额度。3.贷后:催收策略优化催收响应预测:预测不同客户对不同催收方式(短信、电话、上门)的反应概率,优化催收资源分配,实现差异化收。