신용평가에서 사용해보는 머신러닝
AI
신용평가에서 사용해보는 머신러닝
두줄요약
신용평가를 분류 문제로 보고 CB 데이터와 전처리, 변수 선택, 여러 모델을 비교한 내용을 소개했습니다. 탭уляр 데이터에서는 XGBoost가 신경망보다 성능이 좋았고, Transformer 변형이 신경망 중 가장 나았습니다.
핵심 내용
- 신용평가를 분류 문제로 보고, CB 데이터와 대안 데이터를 활용해 모델을 구축한 사례
- 변수 선택, 데이터 전처리, 모델링의 단계별 접근과 Special Value 처리 방식 소개
- Logistic Regression, Decision Tree, Random Forest, XGBoost, MLP, ResNet, Transformer를 비교하며 성능 검토
- 탭уляр 데이터에서는 XGBoost가 신경망 계열보다 우세했고, Transformer 변형이 신경망 중 가장 좋은 성과
적용해볼 점
- 신용평가처럼 특수한 도메인에서는 Special Value와 결측 처리 규칙을 명확히 설계할 필요
- 탭уляр 분류 문제에서는 트리 계열과 딥러닝 계열을 함께 비교해보는 실험이 유효