Компании требуется интерпретируемая модель машинного обучения для оценки риска заявки на кредит. Какой выбор модели или алгоритма лучше всего удовлетворяет требованию интерпретируемости?

Модель логистической регрессии является лучшим выбором, поскольку она по своей природе интерпретируема. Коэффициенты для каждой входной переменной показывают, как эта переменная влияет на вероятность результата (риска кредита), что позволяет легко понять вклад каждого фактора. Модели глубокого обучения очень сложны и обычно неинтерпретируемы, что затрудняет понимание причин их прогнозов. Алгоритм кластеризации K-средних используется для группировки данных, а не для прогнозирования или оценки риска. Алгоритм Random Cut Forest предназначен для обнаружения аномалий, а не для интерпретируемой оценки риска.