信用评分中负责任机器学习的最佳实践
机器学习
2024-10-01 v1 计算机与社会
摘要
机器学习在信用评分中的广泛应用带来了在风险评估和决策方面的显著进步，但也引发了关于这些自动化系统潜在偏见、歧视以及缺乏透明度的担忧。本教程论文进行了非系统性文献综述，以指导在信用评分中开发负责任机器学习模型的最佳实践，重点关注公平性、拒绝推断和可解释性。我们讨论了公平性、指标和缓解偏见以确保不同群体公平结果的技术。此外，我们解决数据代表性有限的问题，通过探索整合被拒绝贷款申请信息的拒绝推断方法。最后，我们强调在信用模型中透明度和可解释性的重要性，讨论了提供决策过程见解的技术，使个体能够理解并可能改善其信用状况。通过采用这些最佳实践，金融机构可以在维护伦理和负责任的放贷实践的同时，发挥机器学习的潜力。
引用
@article{arxiv.2409.20536,
title = {Best Practices for Responsible Machine Learning in Credit Scoring},
author = {Giovani Valdrighi and Athyrson M. Ribeiro and Jansen S. B. Pereira and Vitoria Guardieiro and Arthur Hendricks and Décio Miranda Filho and Juan David Nieto Garcia and Felipe F. Bocca and Thalita B. Veronese and Lucas Wanner and Marcos Medeiros Raimundo},
journal= {arXiv preprint arXiv:2409.20536},
year = {2024}
}