您已標記歷史貸款決策和違約情況，現在必須建立一個模型來預測申請人的違約風險。您應該怎麼做？

正確答案是訓練一個線性迴歸模型來預測信用違約風險分數。線性迴歸是一種監督式學習演算法，適用於預測連續數值輸出，例如信用違約風險分數。由於您已經標記了歷史貸款決策和違約情況，這表示您擁有帶有標籤的資料，非常適合訓練監督式模型。 增加資料集的大小（選項一）通常有助於模型效能，但並非解決此問題的直接方法，且可能無法解決模型選擇問題。消除偏差和收集被拒絕的貸款申請（選項三）是重要的資料準備步驟，但它們是資料清理和豐富化，而不是直接的模型選擇。將貸款申請人與其社群資料進行匹配（選項四）是一種特徵工程技術，可以改善模型，但它不是核心的模型選擇步驟。