一句话定义
拒绝推断(Reject AI 词典:Inference">Inference)是信贷风控建模里的纠偏手段:手上只有“获批放款的人”的还款表现时,设法推断“被拒绝的人当初如果借了会怎样”,再把他们补回训练集,让模型不只在“被筛选过一遍的人”里做判断。
偏差的来源
训练一个“会不会逾期”的模型,理想样本是全体申请人都借了钱、且都看到了结果。现实中审批规则先筛掉一批人,只有通过者才有账单和催收记录。模型于是学成了“在已经过筛的人群里谁更容易坏”,而非“在所有申请人里谁更容易坏”——这是典型的样本选择偏差,而且缺失偏偏和要预测的结果高度相关,不能当成随机缺失糊弄过去。
打个比方:补习班只收“看起来能考好”的学生,一年后拿这批人的提分数据证明自己教得好。数字是真的,结论是假的,因为另一半人根本没坐进教室。
常见补法
- 按分数段派标签:假设某分数段已知坏账率是 3%,就把被拒人群里同分段的人随机标 3% 为坏,混进训练集重训(业内常称 parceling / fuzzy augmentation)。
- 外推:先用获批样本拟合模型,再把它推到被拒人群上,用预测概率当软标签。
- 加权:不硬造标签,改给获批样本不同权重,把训练集分布往“全量申请人”方向拉。
- 联合建模:把“是否获批”和“是否违约”放进一个选择模型(selection model)里一起估计,思路与计量经济学中的 Heckman 校正相通。
| 概念 | 它处理的问题 | 与拒绝推断的关系 |
|---|---|---|
| 拒绝推断 | 标签缺失机制与预测目标直接相关 | —— |
| 半监督学习 | 标签稀缺,但缺失通常与结果无关 | 方法可借用,前提不同 |
| 幸存者偏差 | 描述“只看得见活下来的样本”这一现象 | 拒绝推断是它的补救 |
实际意义
有一点得先讲明:被拒者的真实表现永远观测不到,任何补法都建立在假设之上,无法用数据证伪。所以它的价值不在“算出真相”,而在让分数排序在全量申请人上更稳,不至于通过率一放宽、模型就失真。
工程上通常这么用:把拒绝推断当成一次敏感性实验,做与不做各跑一版,比较分数分布和不同通过率下的预估坏账;上线后再盯住“通过率变动时模型是否跟着漂”。强度也要克制,补得太狠等于让模型相信自己编出来的数据。
对普通借款人则是个提醒:被拒,并不等于模型“看透了你”,也可能只是它从没见过你这类人。
