14、机器学习在金融与机器人领域的应用探索

机器学习在金融与机器人领域的应用探索

1. 机器学习助力P2P贷款违约预测

在P2P贷款网络中，预测银行客户违约是一个关键问题。研究旨在寻找适合预测银行客户违约的机器学习算法，并借助可解释人工智能（XAI）工具揭示违约背后的潜在因素。

随机森林（RF）算法表现卓越，在准确率、精确率、召回率和F1分数上均达到了98%。SHAPASH工具对特征进行排名，明确了导致银行客户违约的关键特征。同时，排列特征重要性分析展示了数据集中变量缺失时准确率的波动情况，而个体特征解释则说明了每个特征对预测银行贷款违约的影响。在局部可解释性方面，针对特定实例，解释了特征如何引导实例归为某一类。

2. 小型低精度漫游车的设计与开发

2.1 研究背景与目标

近年来，工程和机器人技术的突破深刻改变了我们的生活。然而，开发用于探索恶劣和难以到达地形的漫游车是一项挑战，通常需要大量的时间和资源。为解决这一问题，提出了一种使用现成部件的小型低精度漫游车方案，旨在为包括爱好者、研究人员在内的广泛利益相关者提供经济高效的解决方案，促进行星探索领域的更多参与和创新。

2.2 相关研究对比

研究	优点	缺点
[4]	- 开发自主路线计算算法 - 控制算法用于操纵机器人 - 应用于引导自主机器人到受灾地区	- 局限于陆地环境 - 未解决粗糙和难以到达地形的挑战 </