"发现的欺诈行为中有将近 80% 被 Clementine 的模型识别出来。"
在英国家庭信用行业处于领先地位的Pvovident 个人信用公司是Provident Financial 的子公司。对它来说，欺诈行为的检测和预防非常重要。
根据 Provident 个人信用公司现场安全部欺诈行为分析师 Paul Wilkinson-Smith 的介绍，" 我们把检查数据分为两半。一般用于对 Clementine 的神经网络模型进行训练，另一半对认为是准备好的模型进行检验。我们还使用以前没有分析过的原始数据对神经网络进行了检验。我们观察神经网络的结果，并人工对它进行评估，以确定神经网络的性能。我们还可以通过对极限、最大性能水平和其他参数的调整，进一步对神经网络进行调节。由于神经网络是自主式的，可以通过调节优化它的性能。"
Clementine 模型大大提高了 Provident 个人信用公司的欺诈行为检查能力。"我们可以对 Clementine 产生的结果进行观察，并用已知数据进行检验。"Wilkinson-Smith 说。"各种建模工具的组合构成了一个非常强大的数据挖掘系统，使我们能够专注于进行研究，并节约了大量时间。"
"欺诈行为的特征经常改变，"Wilkinson-Smith 说，"我们可以根据需要随时用 Clementine 改变模型。也可以在发现欺诈行为的特征和模式发生改变时重新对神经网络模型和规则归纳引擎进行 训练。"
"发现的欺诈行为中有将近 80% 被 Clementine 的模型识别出来。Clementine 为我们提供了一个优秀的可视化开发环境，为我们节约了大量时间和费用。它很有才华！"
