algorithm - 配对算法

Question

我正试图弄清楚如何在房地产交易中最好地将借款人与贷款人相匹配。假设一个平台上有一个由 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:

个人信息和往绩记录(他们完成了多少项目、信用评分、净 Assets 等)

贷款信息(贷款规模、类型、杠杆等)

项目信息(单元数、楼层数、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，贷款人同意在以下情况下向借款人提供贷款:

他们做过5个以上的项目

信用评分 > 700

净值 > 贷款金额

$500,000 < 贷款金额 < $5,000,000

杠杆 < 75%

建筑面积 > 10 单位

位置 = 加利福尼亚州、亚利桑那州、纽约州、科罗拉多州

等等...

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 分，代表平台上每个贷方的“匹配”分数。满足更多贷方贷款要求的借款人将获得更高的分数，因为匹配应该更好。哪种机器学习算法最适合生成这样的分数？或者这个问题可以使用组合优化来解决吗？
谢谢!

Answer 1

如果您还没有该系统，则不太可能拥有用于机器学习的良好数据。
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，做一些事情，比如建立一个逻辑回归来估计接受的概率。一旦模型足够好，可以在 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，除非您有数据可供学习，否则您无法使用机器学习的魔力。