پیش‌بینی ریسک اعتباری مشتریان با یادگیری ماشین

یک مدل یادگیری ماشین برای پیش‌بینی احتمال نکول (عدم بازپرداخت) مشتریان بانکی طراحی و پیاده‌سازی کردم. کار شامل تحلیل داده‌های اعتباری، مهندسی ویژگی (مثل نسبت بدهی، سابقه تأخیر پرداخت و تعداد خطوط اعتباری باز)، و آموزش و مقایسه چند مدل (Logistic Regression، Random Forest، XGBoost و LightGBM) بود. برای تفسیرپذیری مدل از تحلیل SHAP استفاده شد تا مشخص شود کدام فاکتورها بیشترین تأثیر را در تصمیم مدل دارند. بهترین مدل با دقت و تفکیک‌پذیری بالا میان مشتریان پرریسک و کم‌ریسک، می‌تواند به تیم اعتبارسنجی در کاهش ریسک نکول کمک کند.