Аннотации:
Данное исследование посвящено применению методов машинного
обучения в кредитном скоринге с целью разработки эффективных моделей прогнозирования.
Акцент делается на точности предсказания вероятности дефолта и высокой
интерпретируемости моделей для обоснованного принятия банковских решений.
Исследование основано на анализе данных из набора Home Credit с Kaggle.com и проведении
экспериментов над различными моделями классификации, такими как lgb.LGBMClassifier,
LogisticRegression, и LinearDiscriminantAnalysis. Результаты исследования могут быть
полезны как для финансовых учреждений, так и для области управления рисками и
персональных финансов.
