3.4.5　深度神经网络

深度神经网络（Deep Neural Network，DNN）在AI领域已经落地较多，在智能风控领域也有着越来越多的尝试。对于头部互联网金融机构的贷前场景来说，由于业务开展较早和规模较大，已经积累了几十万的申请样本和对应的还款表现，并且内外部数据标签上千维，可以利用DNN建立申请评分模型。DNN是深度学习中最经典的框架，由输入层、若干个隐藏层和输出层组成。其中，每个隐藏层都具有若干个节点，层与层的节点之间具有连接，需要求解连接的函数，来确定一个最优的DNN模型。看似复杂，其实DNN与我们熟悉的逻辑回归存在紧密联系，逻辑回归的本质是一个仅含有一个节点的单层神经网络模型，DNN可以理解为多个逻辑回归“交织”在一起，因此具有比逻辑回归强得多的学习能力。比DNN更进一步，Google于2016年提出Wide&Deep的框架，将线性模型和深度模型利用联合训练的方式结合起来，既保证了显性特征的可解释性，又挖掘了隐性特征的预测能力，也被智能风控领域的建模人员广泛尝试。