1。机器学习平台与大数据平台的关系明确机器学习平台与大数据平台之间不存在刚性关系。在记分卡等相关领域也取得了不错的成绩。在我们看来，大数据平台与SAS等传统建模平台有以下区别：但是，由于近期银行在大数据方面的快速发展，对银行业建模（机器学习）的影响较大.主要有三个方面：第一，大数据平台为机器学习平台提供大数据支持。一个好的模型是通过不断的数据分析、迭代和优化得到的。大数据平台的海量数据为模型探索提供了丰富的原材料；第二，大数据平台上的KAFKA等实时数据工具，为机器学习平台提供实时数据和实时场景，如在线推荐、反欺诈、风控落地等场景；第三，大数据平台为机器学习提供了强大的计算能力和处理能力。针对大数据的分布式机器学习算法如SPARK等，与SAS等单机版本相比，计算性能大幅提升，计算能力更加强大。此外，大数据平台更容易与图数据库结合，应用图算法来提升特定场景下的机器学习能力。2、机器学习平台是银行的建设趋势吗？从以上情况可以看出，机器学习平台是大数据的重要抓手。模型比传统业务系统更场景化，业务渗透更强大。机器学习平台的建设可能是银行的整体规划，也可能是在一个偶然的项目需求中提出来的。但建议银行尽早了解此类平台、技术和算法，建立人才储备和项目管理（建模）机制，以应对未来业务需求和项目风险。银行如何引入机器学习平台？情况多为科技部带动，略低于项目带动。比如审计、分析平台、营销、风控项目可能都会引入机器学习平台，主要看业务需求能否通过传统方式实现。3.可采用银行主要应用场景常用的机器学习算法，如分类、聚类、关联等，以及深度学习和图算法。应用场景如下表所示：结合以上场景分析，希望能为机器学习领域的场景研究提供参考。
