Как, используя Python, сократить время на разработку скоринговых моделей и улучшить их качество

Применение сложных моделей машинного обучения в кредитном скоринге затруднено, в связи с чем необходимо использовать различные улучшения привычной всем логистической регрессии. В этой статье мы расскажем о том, какие существуют новые подходы при построении скоринга и как, используя их, увеличить скорость разработки в несколько раз, а также улучшить качество всех моделей. Методы, описанные в статье, можно реализовать самостоятельно примерно за два месяца разработки.