AIであなたの信用を数値化するっていうのは、どんな仕組みなのですか？

Question

例えば、日本で有名な、J Scoreなんかは、下記のようにAIを使用して信用を可視化している、と言ってます。
AIで信用を可視化

AIっていうと、何かの予測モデルを作るっていうイメージしか湧かないですが、この手のサービスではどういう風に作られているのでしょうか？

どなたか知っていたら、ご教示願います。
よろしくお願いします。

Comments

[Newcomer_DS]

モデリングとかするんですかね？
ちなみに、わし、python書くことできます。

Answer 1

標準的な信用スコアだったら、モデリングしますよ。
ただ、J Scoreがどういう風に作成してるかは、よくわかりません。

一般的には、ロジスティック回帰モデルを使用していると言われています。
ロジスティック回帰なので、各特徴量に係数が付与されますよね？
その係数が信用スコア算出に活用されてます。

例えば、
ターゲット変数： 過去に債務不履行になったか？（Y/N）
説明変数1: 月収
説明変数2: 年齢
説明変数3: 負債比率

これらの説明変数で、ターゲット変数を、ロジスティック回帰で学習させると、各特徴量に係数がつきますよね。
その係数を利用して、信用スコアを作成できます。

僭越ながら、その内容をブログに書きましたので、よろしければ是非読んでみてください。
信用スコアの作り方（Qiita）

Comments

[Newcomer_DS]

ご回答ありがとうございます。すごくわかりやすいです。
ただ、そもそもの前提がわからない所があり、こちらでいくつか質問させてください。

質問1：信用スコアを作るってなった時、データセットが必要ってことですよね。そのデータセットって、ある人が債務不履行になったかどうかの情報が必要ってことなんでしょうか？
債務不履行になったかどうか？のピンポイントの情報が必要ですか？

質問2：ロジスティック回帰じゃないとダメですか？ 精度あんまりよくないと思いますが、、

[shin_shin]

質問1に対して、
信用スコアってそもそも、ある人がお金を借りたい！って思った時に、その人が信用できるか？
（返済の能力があるか？）を数値化したものですよね。
なので、その数値をAIの学習によって作り出すってことなので、当然必要なデータセットは、
返済できたかどうか？/返済できたけど、遅延した、みたいなデータセットが必要です。

質問2に対して、
はい、一般的にはロジスティック回帰だけです。
というのも、信用スコアを作成するためには、weight of evidence (WOE)を計算する必要があるのですが、WOEは、そもそもロジスティック回帰の係数を使うことが前提として作られた概念だからです。
ただ、他のやり方もあるのかもしれません。私が論文で読んだ範囲だと、ロジスティック回帰一択です。

精度に関しては、データセットの前処理(Feature Engineering等)で対処できます。9割は行きますよ。