用于信用评分的 PSD2 可解释 AI 模型
机器学习
2021-08-09 v3 人工智能
摘要
本项目的目标是开发并测试先进分析方法，以提高信用风险模型的预测精度，同时保持模型的可解释性。具体而言，项目聚焦于将可解释机器学习模型应用于银行相关数据库。输入数据来自开放数据。在已验证的模型中，CatBoost 表现出最高性能。经超参数调优后，该算法实现 0.68 的 GINI 系数。使用 SHAP 包对模型预测提供全局与局部解释，以形成人类可理解的解读决策算法的方法。利用 Shapley 值选出 20 个最重要特征，呈现一个完整且人类可理解的模型，揭示个体属性与其模型预测的关系。
引用
@article{arxiv.2011.10367,
title = {PSD2 Explainable AI Model for Credit Scoring},
author = {Neus Llop Torrent and Giorgio Visani and Enrico Bagli},
journal= {arXiv preprint arXiv:2011.10367},
year = {2021}
}