knife4j--api请求参数不一致问题

最新推荐文章于 2025-03-16 00:48:33 发布
最新推荐文章于 2025-03-16 00:48:33 发布
阅读量1.2k 收藏
点赞数
文章标签： java spring mybatis linux 接口
版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。
本文链接：https://blog.youkuaiyun.com/qq_41289165/article/details/121529165
版权

这个问题是在使用@DynamicParameters，且name参数没有配置之后出现的，不配置name的话一般插件会生成一个默认值，但是今天测试的时候发现两个controller中相同名字的一对接口参数，第二个接口参数和配置的不一致，反而和第一个接口一致

解决：分别给name参数添加不同的值就行了

【最全】信贷风控中的多头在贷后表现中倒挂原因分析
阿黎逸阳的博客
09-08 503
一文弄清为什么信贷风控中的多头在贷后表现中出现倒挂
信贷系统学习总结（5）—— 信贷金融风控通用建模流程
科技D人生
10-11 817
代表性：样本要可以代表总体。充分性：总共样本数量大于2000，若太小，则置信度太低。时效性：样本与未来上线应用的时间越接近越好。排除性：灰样本需要剔除。比如贷款信用违约/车险理赔风险预测，在构建模型时候，需要剔除掉欺诈样本，以及信用违约里面的Y处于逾期天数在1-90天的(当设置Y为M3+)，这样做的目的是为了样本更纯，在业务上没有其他样本进行干扰，在模型上，数据表现不会有太多的异常噪音。
现金贷风控生命周期——贷中和贷后
慧安金科的博客
08-29 7753
上篇我们简单介绍了现金贷风控生命周期中的贷前风控环节，本篇我们继续介绍贷中和贷后风控环节。 贷中风控 1. 借款申请阶段 借款申请，是指选择金额、期限和借款用途的过程。 尽管许多现金贷产品中并未体现“借款用途”，但这是一个合规的点。“现金贷”属于个人消费贷，借款只能用于日常消费，不能挪作他用。 如果“借款用途”不属于个人消费，那么现金贷平台一般都会拒绝申请。同时，如果“借款用途”属于个人...
贷前贷中风控体系
weixin_50248555的博客
11-17 3416
消费金融服务方：金融系、场景系、互联网系 第三方支撑平台：获客平台、风控支持、系统服务、支付平台、贷后管理 消费金融风控全流程 贷前审查：信息采集、信息验证、反欺诈 贷中评估：信用评估、授信 贷后管理：贷后监控、催收管理 基于数据驱动的风控环节 贷前：精准营销、身份核验、反欺诈、辅助性授权数据、风险评分 贷中：设备监控、手机号监控、位置监控、消费监控、信用卡监控、行为监控 贷后：监控、失联催收、循环借贷、不良资产处置 搭建风控体系的考量因素 管理层 1. 战略 （1）业务目标和计划.
一文搞懂风控的 “贷中支用策略”
最新发布
Python数据科学
03-16 971
一文搞懂风控的 “贷中支用策略”
贷前中后简单记录
简洁之美 的专栏
05-09 5819
前中后 贷前贷中贷后是一个业务分类，是用户信贷生命周期的三个阶段。并不是一个业务架构或者技术架构。以下的贷前贷中贷后主要是互金领域的情况，传统银行也有贷前贷中贷后，但是做法不同。 贷前 1、准入/额度/利率 贷前的核心就是两个，准人和额度。 准入在信贷中基本采用预准入，即将用户的信息收集起来，提前算好，这个用户能否进来。这部分除了模型，就是黑名单和域外数据，模型负责计算这个用户违约的概率（信用评级/欺诈评级），黑名单是将各种黑灰产拦截掉（例如其他场景的，行业共享的各类黑名单数据）。 额度，有了用
风控——贷中管理介绍
zhanglongfei1016的专栏
09-11 1576
贷中管理，指从贷款发放之日起，至贷款本息收回日期为止的贷款管理，贷中管理策略也集中在贷款发放后的管理和监控阶段，其目的是确保贷款资金的安全和有效使用，贷中预警和贷中调额在贷中管理中至关重要。接下来，从3方面介绍（贷中管理的职责、贷中预警、贷中调额）。1、贷中管理的职责2、贷中预警贷中预警简单来说就是对整个机构的用户做一些预警处置动作，对借款人的信用状况、还款能力及其他可能影响贷款安全的风险因素进行实时监控和预测，是贷中管理中关键的一个过程。贷中预警可以划分为7个模块，分别是贷中客群、行为模型。
贷中风控调额方法与策略详解
weixin_45545159的博客
04-03 2508
信贷的互金产品归纳起来有两大产品，非循环贷与循环贷产品。这两类产品有差异也有相同点。既然是互金产品，重视贷前模块都是必然的。贷前的欺诈风险及信用风险把控，是在互金中最受重视的部分。 而这两个产品的区别，如对于非循环贷这类业务，基本就是会将授信额度一次性用完，风险在一开始就暴露。而对于循环贷这类业务，会涉及到贷中调额等内容，贷中策略中的提额跟降额策略就显得非常重要。看看此次疫情期间的信用卡业务，某些银行的卡中心纷纷对某些地区的客群大幅度降低其贷中额度，贷中额度策略进一步收紧。 同时随着金融业务发展深化，贷前许
信贷风控——贷前+贷中+贷后的全方位风控
热门推荐
慧安金科的博客
08-01 3万+
贷前调查   贷前调查是风控的第一道防线。 首先，通过前期掌握的贷款申请人相关信息，全面审查承贷主体的合规性、合法性和有效性。可利用“人行征信系统”“全国企业信用信息公示系统”“全国法院被执行人查询系统”“全国法院失信被执行人查询系统”“中国裁判文书网”以及第三方信用查询渠道，查询申贷人是否涉及民间融资、法律诉讼、集团关联、担保圈、担保链、多行业经营、主业不清等显性、隐性和潜在风险信息，对申...
现金贷风控生命周期——贷前风控
慧安金科的博客
08-27 6007
对于现金贷而言，主要风险包括欺诈风险和信用风险两个方面。 识别欺诈风险的核心手段是信息核实、高危人群拦截和批量识别，侧重点在于是否通过。 信用风险的识别主要通过根据收入水平来衡量偿还能力，侧重点在于授信额度和费率。 风控的逻辑是，首先获得用户数据，然后设置规则和策略，在此基础上评估用户数据的表现，从而做出通过、不通过、升费率、降费率、提额、降额、催收、计入坏账等选择。 用户数据的获得方式主...
【35分钟掌握金融风控策略27】贷中风控策略与客户运营体系
kaggle expert，全球排名前1000，清华计算机研究生，兴趣算法工程
05-14 1424
贷中是风控的第二道防线，贷中阶段风控的重点工作就是存量客户风控及运营。在当下，新客市场趋于饱和且获客成本越来越高，所以，在做好存量客户风控的同时，对存量客户进行运营，可以更大程度地增加客户黏性、挖掘存量客户的价值。相较贷前，除要继续做好风控，贷中还多了存量客户运营的工作。贷中风控在循环额度类信贷产品中涉及较多，这类信贷产品的授信有效期较长且客户在授信有效期内可以多次用信，但是，随着时间的推移，很多客户的资质往往会发生较大的变化，这时，通过贷中风控管控存量客户风险就变得很有必要了。
信贷贷后管理总结
彼岸花的眼泪
12-17 1610
贷后管理着重包含以下几点： 贷后检查： 贷款发放后，信贷员按检查间隔期的要求定期地，或根据日常监控预警情况不定期地，对借款人、保证人、抵（质）物及对影响贷款安全的相关因素进行连续、不间断的全面跟踪检查。检查类型可分为日常检查和专项检查。 检查内容包括：客户财务情况、企业的经营状况、担保情况、贷款资产风险程度、变化情况及趋势等。 检查对象包括：客户，包括借款人和保证人等；抵（质）押物；资...
金融信贷业务-贷中整理
a1290123825的博客
06-09 1546
前面提到金融信贷业务贷前开通申请授信是以客群充分识别，客群路由资金通道为前提，以为用户确定借款额度、借款利率为最终导向的一个核心基础业务阶段；那么金融信贷业务贷中则是为用户提供借款申请服务 预授权贷款模式涉及6个子业务流程：预授权申请、预授权确认、预授权撤销、打款、打款撤销、退款；不同的子业务触发事件会根据不同的贷款订单状态做不...
介绍篇 贷中环节
不太焦虑又不太安分
03-12 1993
贷中环节 贷中：其实也就是用户授信之后，提现相关动作的行为相关操作 核心内容 1 针对提现用户：提额 降额 以及 冻额操作 用户频繁提现，还款良好且额度利用率较高 用户基本不提现，可以适当降低额度 用户恶性提现，或者已经逾期严重，实行冻额 实际上：在小贷领域，很少有解冻操作 2 针对客户历史提现数据预测该笔是否是赚钱，如果不赚钱就禁止提现 3 针对在途客户，预测该笔是否逾期，及时作出相应操作，...
贷中管理-理论
aggressive2019
09-11 2467
贷中管理：值从贷款发放之日起，至贷款本息收回日期为止的贷款管理。不同于贷前和贷后管理，贷后管理早期在信贷管理较为薄弱，且没有明确的业务目标。但随着催收压力逐渐加大，且贷中管理存在大量的金融服务需求，关注度也逐渐攀升。贷中管理业务核心分两块：1）客户的风险排查与预警处置；2）客户潜在金融需求的及时满足和服务体验提升。1）客户分层：利用模型和策略量化客户未来逾期风险，从而进行数字化的风险分层；2）贷中预警：结合不同的风险等级，相对应的设计对应配套的处置策略，降低信用风险；
信贷产品年终总结之贷中行为分析
weixin_45545159的博客
12-19 622
信贷产品年终总结之贷中行为分析
全面掌握贷中管理：策略与实践
uncle_ll的博客
11-21 1215
贷中管理
贷前审查和贷中审查_大技术受到审查
weixin_26744853的博客
08-30 207
贷前审查和贷中审查On Wednesday, the CEOs of Amazon, Apple, Facebook and Alphabet appeared before the US Congress, which has been studying hundreds of hours of interviews and more than 1.4 million documents as ...
信贷风控python
01-17
### 使用Python实现信贷风控 #### 构建深度学习模型进行金融风控和信用评估 为了构建一个有效的信贷风险控制系统，可以采用深度学习技术。在这个过程中，TensorFlow 和 Keras 是两个非常强大的工具库，能够帮助快速搭建并训练复杂的神经网络模型[^1]。 ```python import tensorflow as tf from tensorflow import keras from sklearn.model_selection import train_test_split # 假设 `data` 是预处理后的特征矩阵, `labels` 是标签向量 (0 或 1) X_train, X_val, y_train, y_val = train_test_split(data, labels, test_size=0.2) model = keras.Sequential([ keras.layers.Dense(64, activation='relu', input_shape=(input_dim,)), keras.layers.Dropout(0.5), keras.layers.Dense(32, activation='relu'), keras.layers.Dropout(0.5), keras.layers.Dense(1, activation='sigmoid') ]) model.compile(optimizer='adam', loss='binary_crossentropy', metrics=['accuracy']) history = model.fit(X_train, y_train, epochs=20, batch_size=128, validation_data=(X_val, y_val)) ``` 此代码片段展示了如何利用 TensorFlow 和 Keras 来定义一个多层感知机（MLP），并通过二元交叉熵损失函数来进行分类任务的学习过程。 #### 数据探索与准备 对于任何机器学习项目来说，理解数据集是非常重要的一步。特别是当涉及到信贷风控时，了解不同类别样本的数量分布有助于后续算法的选择以及调参工作[^2]。 ```python import pandas as pd app_train = pd.read_csv('application_train.csv') print(app_train['TARGET'].value_counts()) ``` 上述脚本读取了包含客户申请信息的数据文件，并统计了目标变量 `TARGET` 中两类情况的发生次数——即正常还款与否的比例关系。 #### 创建提交文件 一旦完成了模型的训练与验证之后，就可以基于测试集中未见过的新实例做出预测，并按照比赛或业务需求格式化输出结果以便于提交给平台审核或者实际部署到生产环境中去[^3]。 ```python predictions = model.predict_proba(test_features)[:, 1] submit = app_test[['SK_ID_CURR']] submit['TARGET'] = predictions submit.to_csv('submission.csv', index=False) ``` 这段程序说明了怎样从已有的测试数据中提取 ID 列作为索引列，并将预测得到的概率值赋给新创建的目标字段；最后保存成 CSV 文件形式供外部使用。
评论
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付元
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明：

1.余额是钱包充值的虚拟货币，按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载，可以购买VIP、付费专栏及课程。

余额充值