KACDP: A HIGHLY INTERPRETABLE CREDIT DEFAULT PREDICTION MODEL
创建于 更新于
摘要
本报告首次将Kolmogorov-Arnold Networks(KANs)应用于个人信用风险预测，构建了KACDP模型。该模型在预测性能（ROC_AUC及F1值）上优于主流传统和机器学习模型，并通过特征归因分析及模型结构可视化，显著提升了模型解释性与透明度，满足金融行业对信用模型的严格监管要求，为金融机构提供了兼具高性能与高可解释性的创新信贷风险评估工具[page::0][page::1][page::4][page::6][page::8].
