Proceedings of the Korean Society of Computer Information Conference (한국컴퓨터정보학회:학술대회논문집)

Korean Society of Computer Information (한국컴퓨터정보학회)
권호 표지

Explainable Credit Default Prediction Using SHAP

SHAP을 이용한 설명 가능한 신용카드 연체 예측

  • Minjoong Kim (Dept. of AI and Big Data, Soonchunhyang University) ;
  • Seungwoo Kim (Dept. of AI and Big Data, Soonchunhyang University) ;
  • Jihoon Moon (Dept. of AI and Big Data, Soonchunhyang University)
  • 김민중 (순천향대학교 AI.빅데이터학과) ;
  • 김승우 (순천향대학교 AI.빅데이터학과) ;
  • 문지훈 (순천향대학교 AI.빅데이터학과)
  • Published : 2024.01.17
Download PDF
⟨ Previous Next ⟩

Abstract

본 연구는 SHAP(SHapley Additive exPlanations)을 활용하여 신용카드 사용자의 연체 가능성을 예측하는 기계학습 모델의 해석 가능성을 강화하는 방법을 제안한다. 대규모 신용카드 데이터를 분석하여, 고객의 나이, 성별, 결혼 상태, 결제 이력 등이 연체 발생에 미치는 영향을 명확히 하는 것을 목표로 한다. 본 연구를 토대로 금융기관은 더 정확한 위험 관리를 수행하고, 고객에게 맞춤형 서비스를 제공할 수 있는 기반을 마련할 수 있다.

Keywords

Acknowledgement

본 연구는 순천향대학교 연구지원 사업 및 한국연구재단 4단계 두뇌한국 21 사업(4단계 BK21 사업)의 지원을 받아 작성되었음(과제번호: 5199990514663).

References

  1. Z. Shin, J. Moon, and S. Rho, "A Comparative Analysis of Ensemble Learning-Based Classification Models for Explainable Term Deposit Subscription Forecasting," Journal of Society for e-Business Studies, vol. 26, no. 3, pp. 97-117, 2021. https://doi.org/10.7838/JSEBS.2021.26.3.097