최근 글
-
[기초] Part 8. 왜 이렇게 판정했는지 답할 수 있어야 합니다: 해석가능성과 공정성, 규제
신용에서 모델은 왜 그렇게 판정했는지 설명할 수 있어야 하고, 그 판정이 공정한지 답할 수 있어야 합니다. 투명한 모델과 사후 설명, 보호속성을 지워도 새어드는 대리변수 차별, 하나로 정의되지 않는 공정성, 그리고 이 모두를 떠받치는 규제를 실무의 언어로 정리했습니다.
-
[기초] Part 7. 배포가 끝이 아닙니다: 검증과 거버넌스, 모니터링
금융에서의 모델은 다 만들었다고 끝이 아닙니다. 만든 사람과 다른 사람이 독립적으로 검증하고, 섀도 모드로 조심스럽게 켜고, 배포한 뒤에도 계속 지켜보다 노화하면 다시 학습시킵니다. 신용 모델의 검증과 거버넌스, 모니터링을 실무의 언어로 정리했습니다.
-
[기초] Part 6. 예측을 넘어 개입으로: 인과추론과 실험
신용 심사는 예측만 하는 게 아니라 결과에 개입합니다. 한도를 올리면 부도가 늘어나는지 같은 질문을 상관으로 답하면 방향부터 틀립니다. 실험과 준실험, 회귀불연속, 업리프트까지 신용의 인과추론을 실무의 언어로 정리했습니다.
-
[기초] Part 5. 순위만 잘 매겨선 안 됩니다: 신용 모델 평가의 세 축
잘 만든 모델인지 어떻게 확인할 수 있을까요. 신용에서는 순위를 잘 매기는지(판별)만 보지 않습니다. AUC와 PR-AUC로 판별을 보고, 캘리브레이션으로 확률이 실제와 맞는지 보고, PSI로 시간이 지나도 버티는지 봅니다. 일반 ML이 잘 안 보는 두 축까지 정리했습니다.
-
[리뷰] 구글에서 6/30 공개한 테이블 데이터용 파운데이션 모델 TabFM은 신용에서 GBM을 이길까. 공개 데이터로 직접 테스트했습니다
구글이 공개한 제로샷 테이블 파운데이션 모델 TabFM은 학습도 튜닝도 없이 '잘 튜닝한 GBM도 이긴다'고 합니다. 신용 대손에 실제로 쓸 수 있을까요. 공개 신용카드 데이터로 잘 만든 GBM과 겨뤄본 실무자 리뷰입니다.
-
[기초] Part 4. 신용 모델 만들기: 스코어카드와 트리
Part 3에서 모델을 선택했다면, 이번 글은 실제로 구축하는 과정입니다. 로지스틱 회귀로 스코어카드를 만드는 법(WOE·IV·점수 스케일링)과 트리로 만드는 법(피처·SHAP·단조 제약), 둘의 차이, 그리고 모델과 무관하게 거쳐야 하는 거절 추론과 캘리브레이션까지 정리했습니다.
새 글을 메일로 받기
연재가 올라오면 메일로 알려드립니다. 스팸은 없고, 언제든 해지할 수 있습니다.