딥러닝 기법을 이용한 P2P 소셜 대출 채무자 부도 예측모델에 관한 연구
- 사용된 모델링 기법 및 성능 평가 방식
- Stacked Autoencoder와 MLP 활용
- Autoencoder: 고차원 대출 데이터를 저차원 특징 벡터로 추출
- MLP: 저차원 특징 벡터를 분류기의 입력으로 사용하여 채무자의 부도 여부를 예측
- 입력층 노드 20개(추출된 특징 수), 은닉층 2개(각 40개와 10개의 노드), 출력층 2개 노드로 구성
- 드롭아웃 기법도 적용
- 데이터 불균형 문제 해결→ 인공지능 기반 균등 부분 표본 추출(AI Based balanced sub-sampling) 기법을 제안·적용
- Accuracy와 Precision 을 주요 지표로 사용
- Precision: 실제 부도인 대출 중 부도로 예측한 비율
- 10-Fold 교차검증을 통해 모델의 일반화 성능을 측정
- 변수 구성, 선택 혹은 축소 방식
- 모든 가용 변수를 활용함으로써 예측 성능을 높이고자 했음.
- 데이터 정제 후 얻은 전체 73개 변수를 사용하는 시가니로와, 여기에 차원 축소 기법을 적용한 시나리오를 함께 실험
→ 전체 변수를 사용한 경우가 일부 변수만 사용할 때보다 일관되게 높은 정확도를 보임(사람이 인식하지 못하는 숨겨진 속성까지 모델에 반영하고자 함)
