同調-獨立貝氏分類器（CIBer）：一種新的金融保險科技工具

在大數據時代，金融和保險業通常可以有大量數據可用。 公司亦迫切需要利用這些數據更好地對客戶的風險進行分類，並預測他們的需求。 我們的創新可以提供更好遠勝現有方法的預測結果。

• 現有的貝氏分類器假設所有特徵變量是條件獨立的。 CIBer可利用同調性和獨立性對變數進行建模，從而獲得更好的性能。
• 我們提出了一種全新的聯合編碼方案，用於對分類特徵變量的取值進行編碼，以更好地體現它們的依賴結構。
• CIBer的應用可以延伸至回歸領域，而傳統的貝氏分類器只能完成分類任務。

• 由於其獨特的特徵工程，CIBer可以很好地處理所有離散、連續和分類特徵變量。
• CIBer將特徵變量分成了不同的同調聚類，其結果是可解釋的，而其他分類器的結果則無法解釋。
• 由於為特徵變量建立了更好的模型，CIBer的表現通常優於現有的機器學習方法。
• 我們的方法能輕鬆應用於許多現實世界的資料集中。

• 第48屆日內瓦國際發明展銀獎

• 顧客風險分類是保險業和金融業的中心問題，而CIBer可用於準確為風險分類。
• CIBer可應用於企業的財務報表以及預測其未來回報。
• 作為可解釋AI，CIBer會因其結果滿足合規要求而更受公司青睞。
• CIBer在其他許多領域也可廣泛應用，如教育、心理學和行銷等。

• 美國專利申請63/487,282號