Hai etichettato le decisioni storiche sui prestiti e i default e devi costruire un modello per prevedere il rischio di default del richiedente. Cosa dovresti fare?

La regressione lineare è un algoritmo di machine learning adatto per prevedere un valore numerico continuo, come un punteggio di rischio di default del credito. Poiché il problema richiede la previsione di un punteggio, la regressione lineare è una scelta appropriata. Aumentare la dimensione del dataset può essere utile, ma non è l'azione più immediata per costruire il modello. Rimuovere il bias e raccogliere domande rifiutate è importante per l'equità e la completezza del dataset, ma non è il primo passo per la costruzione del modello predittivo. Abbinare i richiedenti ai profili social solleva questioni etiche e di privacy e potrebbe non essere rilevante o consentito.