一篇新的研究论文探讨了基础模型（特别是为表格数据设计的模型）在信用风险预测领域的应用。该研究将这些较新的模型与已有的机器学习技术（包括梯度提升模型）在预测违约概率（PD）和违约损失（LGD）等任务上进行了基准测试。研究结果表明，表格基础模型通常优于竞争对手，尤其是在数据有限（如中小企业贷款）且无需大量超参数调优的情况下。 AI
影响 基础模型可能提供更优的信用风险预测，尤其是在数据稀缺的环境中，从而可能降低成本并改进决策。
排序理由 该集群包含一篇详细介绍表格数据基础模型新发现的研究论文。[lever_c_demoted from research: ic=1 ai=1.0]
- computer vision
- Credit Risk Prediction: A comparative study between logistic regression and logistic regression with random effects
- foundation model
- gradient-boosting models
- large-language models
- LGD modeling
- logistic regression
- natural language processing
- PD modeling
- SME lending and banking system stability: Some mechanisms at work
- tabular data
- Wouter Verbeke
AI 生成摘要 · Google Gemini · 来自 1 个来源。 我们如何撰写摘要 →
