"英文标题：Global Non-Monetary Banking Services Risk Control Model Experiment Database
数据集概述
聚焦非货币银行服务领域风控模型的全周期实验数据，覆盖模型开发阶段的参数配置与验证阶段的性能结果。数据按实验周期、模型类型、风控场景分层组织，颗粒度精确至单实验、单参数项、单验证指标层级。
涵盖模型输入变量权重、阈值设置等核心参数，以及准确率、召回率、AUC值等验证指标，支持多模型、多场景的横向对比与性能归因分析。数据结构遵循风控建模领域的实验数据标准规范，字段定义清晰，可直接用于模型迭代优化与合规验证。
该数据集为非货币银行服务机构的风控体系建设提供核心支撑。风控模型性能直接影响业务风险敞口与合规成本，基于实验数据的参数调优可提升模型对欺诈、违约等风险的识别精度，同时为模型的可解释性与合规性验证提供量化依据。
字段详情
数据集包含以下核心字段：
experiment_id：实验唯一标识，用于关联参数配置与验证结果model_type：模型类型，标识风控模型的技术框架，如逻辑回归、XGBoostrisk_scenario：风险场景，指模型应用的业务场景，如账户盗用、信用违约param_weight：参数权重，指输入变量在模型中的贡献占比，无单位decision_threshold：决策阈值，用于划分风险等级的临界值，范围0-1validation_auc：验证集AUC值，评估模型区分能力的指标，范围0-1
适用场景
- 风控建模团队对比不同算法框架的性能差异，优化模型参数配置
- 合规部门验证风控模型的决策逻辑与性能稳定性，满足监管要求
- 业务部门评估风控模型对不同风险场景的适配性，调整业务规则
- 学术研究人员分析非货币银行服务领域风控模型的性能特征与改进方向"
