最近の記事
-
[レビュー] GoogleのTimesFM-3をリリース直後に自分で検証しました：ゼロショットは本物、目玉機能はまだ
Googleが2026年8月31日に公開した時系列基盤モデルTimesFM-3を、性格の異なる公開データ2種類で自分で検証しました。ゼロショット性能は古典的なモデルとGBMを確実に上回りましたが、新しく追加された多変量と共変量の機能には統計的に有意な改善がありませんでした。学習データ汚染の検証と速度比較まで、実務者の視点で整理しました。
-
[基礎] Part 8. なぜそう判定したのかに答えられなければなりません：解釈可能性と公平性、規制
信用のモデルは、なぜそう判定したのかを説明できなければならず、その判定が公平かにも答えられなければなりません。透明なモデルと事後説明、保護属性を消しても漏れ込む代理変数による差別、一つに定まらない公平性、そしてそのすべてを支える規制を、実務の言葉で整理しました。
-
[基礎] Part 7. リリースが終わりではありません：検証とガバナンス、モニタリング
金融のモデルは、作り終えたら終わりではありません。作った人とは別の人が独立して検証し、シャドーモードで慎重に切り替え、リリースしたあとも見守り続け、古くなれば再学習させます。信用モデルの検証とガバナンス、モニタリングを実務の言葉で整理しました。
-
[基礎] Part 6. 予測を超えて介入へ：因果推論と実験
信用審査は予測をするだけでなく、結果に介入します。限度額を上げると貸し倒れが増えるのか、といった問いを相関で答えると、方向から間違えます。実験と準実験、回帰不連続、アップリフトまで、信用の因果推論を実務の言葉で整理しました。
-
[基礎] Part 5. 順位付けだけでは足りません：信用モデル評価の三つの軸
良いモデルかどうかを、どう確認すればいいでしょうか。信用では順位をうまく付けるか(判別)だけを見ません。AUCとPR-AUCで判別を見て、キャリブレーションで確率が実際と合うかを見て、PSIで時間が経っても持ちこたえるかを見ます。一般的なMLがあまり見ない二つの軸まで整理しました。
-
[レビュー] Googleが6/30に公開したテーブルデータ用の基盤モデルTabFMは、信用でGBMに勝てるか。公開データで直接テストしました
Googleが公開したゼロショットのテーブル基盤モデルTabFMは、学習もチューニングもなしで「よくチューニングしたGBMにも勝つ」と言います。信用の貸し倒れに実際に使えるでしょうか。公開クレジットカードデータで、よく作ったGBMと競わせた実務者レビューです。
新着記事をメールで
連載が公開されたらメールでお知らせします。スパムはなし、いつでも解除できます。