Você rotulou decisões e inadimplências de empréstimos históricos e deve criar um modelo para prever o risco de inadimplência do solicitante. O que você deve fazer?

A regressão linear é uma técnica de aprendizado de máquina adequada para prever um valor contínuo, como uma pontuação de risco de inadimplência de crédito. Embora o problema envolva "decisões e inadimplências" históricas, que podem sugerir classificação (inadimplência sim/não), a meta de prever uma "pontuação de risco de inadimplência" indica a necessidade de uma saída contínua. Aumentar o tamanho do conjunto de dados pode ser útil, mas não é a ação mais direta para construir o modelo. Remover o viés e coletar dados de empréstimos recusados são importantes para a qualidade e abrangência dos dados, mas não definem o tipo de modelo. Correlacionar com perfis sociais pode ser uma forma de engenharia de recursos, mas não é a etapa principal na escolha do algoritmo de modelagem.