Fitxers

UncetaNIPS18.pdf (1.68 MB)

Tipus de document

Objecte de conferència

Data de publicació

2018-11-23

Tots els drets reservats

Si us plau utilitzeu sempre aquest identificador per citar o enllaçar aquest document: https://hdl.handle.net/2445/130337

Towards Global Explanations for Credit Risk Scoring

Títol de la revista

Autors

Director/Tutor

ISSN de la revista

Títol del volum

Recurs relacionat

Resum

In this paper we propose a method to obtain global explanations for trained black-box classifiers by sampling their decision function to learn alternative interpretable models. The envisaged approach provides a unified solution to approximate non-linear decision boundaries with simpler classifiers while retaining the original classification accuracy. We use a private residential mortgage default dataset as a use case to illustrate the feasibility of this approach to ensure the decomposability of attributes during pre-processing.

Matèries

Risc de crèdit, Hipoteques

Matèries (anglès)

Credit risk, Mortgages

Citació

Col·leccions

Comunicacions a congressos (Matemàtiques i Informàtica)

Citació

UNCETA, Irene, NIN, Jordi and PUJOL VILA, Oriol. Towards Global Explanations for Credit Risk Scoring. Comunicació a: NIPS 2018 Workshop on Challenges and Opportunities for AI in Financial Services: the Impact of Fairness. Explainability. Vol.  Accuracy, num. and Privacy, pags. Montréal. [consulted: 30 of May of 2026]. Available at: https://hdl.handle.net/2445/130337

Exportar metadades

JSON - METS

Compartir registre