為什么要寫這本書

2018年，索信達正式成立金融AI實驗室，開始研究和探索人工智能技術在金融行業(yè)中的應用。在與學術界領先學者合作和交流的過程中，我們開始接觸可解釋機器學習。通過數(shù)年的研究和實踐，我們發(fā)現(xiàn)可解釋機器學習恰好能夠彌補當下人工智能技術在金融業(yè)應用中的不足。現(xiàn)今，深度學習、集成學習等復雜機器學習算法大行其道，銀行里的營銷模型、風控模型幾乎全都順應了這個大的技術潮流，雖然模型的精準性已有了較大的提升，但是業(yè)務應用風險卻如影相隨，模型的黑盒屬性導致模型結果在業(yè)務應用上不具備清晰的邏輯和可解釋性。模型是否存在偏見，何時適用，該如何使用？很多問題都是模糊不清的。

對于金融等風險控制嚴格的領域，如果要應用黑盒模型，我們必須慎之又慎。索信達作為一家深耕金融領域數(shù)據(jù)解決方案的提供商，一直都在致力于追求對行業(yè)問題保持前瞻性的洞察力，這也是金融人工智能實驗室成立的初衷和意義所在�？山忉寵C器學習在學術界尚屬新興事物，在國內(nèi)金融領域的應用更是寥寥無幾，知者甚少，但是可解釋機器學習對于金融業(yè)規(guī)范、合理、安全地使用人工智能技術的價值和意義卻是非凡的。2021年初，中國人民銀行正式出臺《人工智能算法金融應用評價規(guī)范》，這說明國家監(jiān)管部門和行業(yè)專家已經(jīng)意識到人工智能算法在金融領域中的應用存在亂象和潛在風險，并對此提出了嚴格的評價規(guī)范。在這個評價標準下，對于未來人工智能技術在金融領域的應用，可解釋機器學習無疑會是大勢所趨。索信達正好站在了引領潮流的當口，有過可解釋機器學習在銀行業(yè)的成功實踐。例如，在客戶流失預警問題的場景中，我們創(chuàng)造性地運用可解釋機器學習，真正做到了對單個客戶流失原因的歸因，大大提升了潛在流失客戶的挽留率。在促活營銷場景中，利用可解釋機器學習輸出的客戶名單的營銷轉(zhuǎn)化率提升了3倍。取得這些令人興奮的成果之后，我們想要讓整個金融業(yè)意識到可解釋機器學習的價值的使命感油然而生，于是便有了寫作這本書的動機，希望將這幾年在可解釋機器學習方面的研究，以及將其應用在銀行業(yè)的實踐經(jīng)驗分享給大家，更希望人工智能技術能夠持續(xù)助力金融業(yè)健康繁榮發(fā)展。作為一家金融科技公司，索信達也希望能夠為行業(yè)的發(fā)展貢獻自己的一份力量！

讀者對象

金融機構、銀行、金融科技公司等數(shù)據(jù)技術相關崗位從業(yè)者。

人工智能、機器學習、數(shù)據(jù)挖掘相關技術崗位從業(yè)者。

人工智能、機器學習、大數(shù)據(jù)相關專業(yè)的院校研究生、本科生。

如何閱讀本書

本書共分為三大部分，具體內(nèi)容結構如下。

部分為背景（第1~2章）。由于可解釋機器學習在業(yè)內(nèi)屬于新興知識，因此本部分用兩章的篇幅，以各種生動的例子，闡述可解釋機器學習的背景和重要性，幫助讀者建立對可解釋機器學習的初步印象。

第二部分為理論（第3~4章）。本部分主要按照可解釋機器學習已有的分類，從內(nèi)在可解釋和事后可解釋兩個方面來介紹本領域的常見模型，其中既包括傳統(tǒng)的統(tǒng)計學模型，又包括學術界新提出來的一些模型。本部分內(nèi)容可以讓讀者對目前已存在的各種可解釋機器學習算法有一個詳細的了解，并且能夠讓讀者參照示例代碼自己動手實踐。

第三部分為實例（第5~7章）。本部分主要以案例的形式，重點介紹可解釋機器學習在銀行的營銷、風控和推薦系統(tǒng)等業(yè)務領域的應用，以幫助讀者進一步理解可解釋機器學習如何解決銀行業(yè)實際遇到的問題。

勘誤和支持

由于作者的水平有限，寫作的時間比較緊張，書中難免會出現(xiàn)一些錯誤或者不準確的地方，如有發(fā)現(xiàn)，懇請大家批評指正。如果大家有建議或意見，歡迎發(fā)送郵件至郵箱shaop@datamargin.com，很期待聽到大家的真摯反饋。

致謝

首先要特別感謝香港大學張愛軍博士團隊，他讓我們看到了可解釋機器學習的價值，他們?yōu)槲覀冎该髁搜芯康姆较蚝吐肪�，對標國際領先的研究團隊，讓我們對可解釋機器學習領域的研究能夠快速步入正軌。在理論研究階段，張愛軍博士給予了我們極其耐心、細致的指導，讓我們的技術水平有了日新月異的突破和提升。

感謝索信達金融AI實驗室參與寫作的小伙伴們：蘇思達、楊健穎、何悅、蘇鈺、孫兆悅、董弋嵩。感謝他們堅持不懈、永不放棄的精神，以及克服巨大挑戰(zhàn)的勇氣。我們要做的研究和寫作對于每個人來說都是全新的，雖然初沒有經(jīng)驗，也沒有太多寫作材料，困難重重，但是大家還是克服一切困難堅持了下來。這種堅持不懈和全心投入是我們珍貴的收獲。

感謝索信達華南服務二部李冉冉、何超、李震、鄒美靈團隊的大力幫助，感謝他們?yōu)槲覀兲峁┝朔浅ｋy得的銀行實際業(yè)務的真實場景，并且協(xié)助我們順利完成技術實施。沒有他們的幫助，就沒有這些寶貴的案例材料。

后要感謝索信達市場部的蔣順利老師和機械工業(yè)出版社華章公司的編輯楊繡國老師在本書出版過程中提供的大力支持。

謹以此書，獻給金融機構、金融科技公司的人工智能技術從業(yè)者，以及數(shù)據(jù)挖掘、數(shù)據(jù)分析等相關技術愛好者。

邵平

索信達控股AI實驗室總監(jiān)