Build your ultimate AI agent
코스 설명
실제 신용 데이터로 진행하는 실습형 강의입니다. R에서 로지스틱 회귀와 의사결정나무를 사용해 신용 위험을 모델링하는 방법을 배웁니다. 개인 및 기업 대출의 신용 위험을 모델링하는 일은 은행에 매우 중요합니다. 채무자가 연체할 확률은 신용 위험을 측정하는 데 핵심 요소입니다. 이 강의에서는 다른 모형도 간략히 소개하지만, 신용평가에서 자주 쓰이는 두 가지 모형인 로지스틱 회귀와 의사결정나무에 초점을 맞춥니다. 이 모형들을 해당 맥락에서 어떻게 활용하는지, 그리고 은행이 이러한 모형을 어떻게 평가하는지도 배우게 됩니다.
사전 요구 사항
커리큘럼
코스 개요
1
소개 및 데이터 전처리
이 장에서는 신용 위험 모형에 대한 전반적인 소개로 시작합니다. 실제 데이터셋을 살펴본 뒤, 신용 위험 모형을 적용하기 전에 데이터셋을 적절한 형식으로 전처리합니다.
2
로지스틱 회귀
로지스틱 회귀는 여전히 신용 위험 모델링에서 널리 쓰이는 방법입니다. 이 장에서는 R에서 신용 데이터에 로지스틱 회귀 모형을 적용하는 방법을 배웁니다.
3
의사결정나무
분류나무는 신용 위험 모델링 분야에서 또 다른 인기 있는 방법입니다. 이 장에서는 R을 사용해 신용 데이터로 분류나무를 구축하는 방법을 배웁니다.
4
신용 위험 모형 평가
이 장에서는 여러 신용 위험 모형으로부터 얻은 결과를 어떻게 평가하고 비교할 수 있는지 학습합니다.
R
R로 배우는 신용 위험 모델링
코스
완료
