最近の記事
-
[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。
-
[基礎] Part 4. 信用モデルを作る：スコアカードと決定木
Part 3でモデルを選んだなら、この記事は実際に作る工程です。ロジスティック回帰でスコアカードを作る方法(WOE・IV・点数スケーリング)と決定木で作る方法(特徴量・SHAP・単調制約)、両者の違い、そしてモデルに関わらず必ず通るリジェクト推論とキャリブレーションまで整理しました。
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。