(十九)「JVS-Rules规则引擎 V2.5」— 简单评分卡节点

简单评分卡节点是规则引擎中用于评估客户信用、风险等级或其他指标的重要工具,通常用于金融、信贷等领域,以便根据一系列预定义的规则和权重来对客户进行评分。

功能与作用

  • 评估客户信用风险:根据事先定义的规则和权重,对客户进行评分,确定其信用风险水平。
  • 辅助决策:帮助机构制定贷款批准、利率设定等决策,确保风险可控。
  • 自动化决策流程:嵌入到规则引擎中,减少人工干预,使决策过程自动化。

配置示例(信用评分卡)

假设我们要创建一个简单的信用评分卡来决定是否批准个人贷款申请,以下是示例配置方式:

  • 规则定义:
  • 规则1:基础分 100 分
  • 规则2:年龄<30 岁,扣分10分
  • 规则3:月收入>1万元,加分15分
  • 规则4:有过逾期记录,扣分20分
  • 权重定义:
  • 年龄权重:10
  • 月收入权重:30
  • 逾期记录权重:50
  • 评分计算 :
    ​总分 = 年龄权重 × 年龄得分 + 月收入权重 × 月收入得分 + 逾期记录权重 × 逾期记录得分​ 其中,触发规则则得到相应分数,否则为0分。
  • 决策逻辑:
  • 总分 ≥ 80分,则批准贷款申请。
  • 否则,拒绝贷款申请。

这是一个简单示例,实际使用中可以包含更多规则和复杂的权重计算,并结合历史数据、统计模型等精细化调整。

整体配置步骤

1. 创建决策流

进入 ​​rules.bctools.cn​​,操作如下:

  • 新建决策:在指定目录下点击"+"号"新建决策"。
  • 进入配置界面:创建后进入决策配置界面。

  • 设置入参:在"自定义入参"中设置决策流被调用时需传入的参数。可以通过手动添加参数或者导入JSON解析参数。

  • 在此示例中,需要设置三个入参:年龄 (数值)、月收入 (数值)、逾期标志 (布尔值,0不逾期,1逾期)。

2. 配置决策流

在决策流设计器画布中,拖拽并连接相关节点:

  • 拖入评分卡节点:将"评分卡"节点从左侧拖入到画布中,并连接"开始节点"。
  • 配置评分条件:点击评分卡节点,在右侧配置窗中设置评分条件:
  • 变量设置:直接选择"引入变量",将之前设置的入参(年龄、月收入、逾期标志)引入。
  • 评分表配置 :依据需求配置每个变量的条件范围与分值(如年龄为​[0](@ref)[30](@ref)​时,加固定值​-10​;月收入满足​10000,+∞​时,加固定值​15​)。
  • 权重:为每个变量配置权重(如年龄20%,月收入30%,逾期标志50%)。
  • 求和方式:选择"权重求和"。
  • 配置计算节点:为了得到最终总分,还需要使用"计算节点"将基础分与评分卡结果相加。
  • 拖入计算节点:将"计算节点"连接到"评分卡节点"之后。
  • 变量设置 :在该节点中,创建一个基础变量以存储基础分(例如​常量赋值100​),并设置表达式将基础分与评分卡结果相加。
  • 连接结束节点:最后将"计算节点"连接到"结束节点"。

3. 验证与调试

配置完成后,可以利用系统的在线验证功能,输入不同条件的测试数据,检查决策逻辑是否正确,并根据实际业务数据不断调试优化。

相关推荐
罗西的思考6 分钟前
AI 时代的 “房谋杜断”:如何培养能力、品味与判断力
人工智能·算法·机器学习
字节跳动视频云技术团队39 分钟前
720P 直升 8K,解密 2026 抖音美好奇妙夜巨幕超分黑科技
人工智能·音视频开发
打工仔折腾 AI1 小时前
在 Ubuntu ARM64 部署 Q1 V3.0 MuJoCo 模型:加载、单步推理与执行器响应解析
linux·运维·人工智能·python·深度学习·ubuntu·性能优化
逐米时代1 小时前
从试点验证到协同深化:制造业AI转型三年路线图设计方法
人工智能
GlobalInfo1 小时前
全球及中国风电叶片检测机器人行业研究报告(2026版):市场现状、行业前景与占有率分析
运维·网络·人工智能·机器人
stormzhangV2 小时前
AI 越强,失业越严重
人工智能·aigc
夏文强3 小时前
Rerank 与混合检索:怎么让 RAG 从「能用」变成「好用」
人工智能·大模型·向量数据库·rag·检索增强生成
救救孩子把3 小时前
AI面试八股文-23_23-Agent可观测性与生产监控面试题
人工智能·面试·职场和发展·agent·langsmith·langfuase
IT_陈寒3 小时前
Java静态变量初始化坑得我头皮发麻
前端·人工智能·后端
知行产研3 小时前
白马山领跑、南山矿扩编 31 台,安徽露天矿无人驾驶进入规模化阶段
人工智能