과거 대출 결정 및 연체 기록에 레이블을 지정했으며, 신청자의 연체 위험을 예측하는 모델을 구축해야 합니다. 어떻게 해야 할까요?

정답은 "신용 연체 위험 점수를 예측하기 위해 선형 회귀를 훈련합니다"입니다. 문제에서 연체 위험을 예측하는 모델을 구축해야 한다고 명시했으므로, 이는 신청자의 연체 위험도를 나타내는 연속적인 점수를 예측하는 회귀 문제에 해당합니다. 선형 회귀는 이러한 연속적인 값을 예측하는 데 적합한 지도 학습 알고리즘입니다. 다른 옵션들은 다음과 같은 이유로 적절하지 않습니다. "추가 데이터를 수집하여 데이터 세트의 크기를 늘립니다": 데이터 크기 증가는 모델 성능 향상에 도움이 될 수 있지만, 문제 해결을 위한 직접적인 모델링 접근 방식은 아닙니다. "데이터에서 편향을 제거하고 거부된 대출 신청서를 수집합니다": 편향 제거와 거부된 대출 신청서 수집은 중요한 데이터 전처리 및 데이터셋 보강 단계이지만, 모델을 구축하는 직접적인 방법은 아닙니다. 특히 거부된 대출 신청서는 연체 기록이 없으므로 모델 훈련에 직접 사용하기 어렵습니다. "대출 신청자와 소셜 프로필을 매칭하여 특성 엔지니어링을 가능하게 합니다": 특성 엔지니어링은 중요하지만, 소셜 프로필 매칭은 개인 정보 보호 문제와 데이터 접근성 문제를 야기할 수 있으며, 항상 적절하거나 가능하지 않습니다. 또한, 이는 모델 구축의 한 단계일 뿐 전체적인 해결책은 아닙니다.