ИССЛЕДОВАНИЕ ПРИМЕНЕНИЯ МАШИННОГО ОБУЧЕНИЯ В КРЕДИТНОМ СКОРИНГЕ

Abstract

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.