iPAS 考題解析信用評分卡開發流程中,下列何者最不常見?
你的作答
在題目頁作答不會存進學習紀錄,想留下紀錄可以到題庫練習。
解析
正確答案:A. 使用生成式模型做特徵學習
傳統信用評分卡強調可解釋性和監管合規,使用 Logistic Regression + WoE + IV 等方法。生成式模型(GAN/VAE)缺乏可解釋性,在信評中最不常見。
每個選項為什麼對或錯
-
A 使用生成式模型做特徵學習 正解
信用評分卡非常重視模型的透明度、可解釋性和穩定性,以便符合監管要求。生成式模型通常缺乏這些特性,因此在信評卡開發中極不常見。
-
B 多重共線性分析 錯誤選項
多重共線性分析是信評建模的標準步驟,因為特徵間的高度相關會影響羅吉斯迴歸模型的穩定性和解釋性。
-
C 分箱(Binning)搭配 IV 值篩選特徵 錯誤選項
分箱(Binning)將連續變數離散化,搭配 IV 值(Information Value)來評估特徵預測能力並篩選,是信評卡開發的經典方法。
-
D PSI 檢驗評分穩定性 錯誤選項
PSI(Population Stability Index)用於監控模型在不同時間點或不同客群上的預測穩定性,是信評模型部署後的重要監測指標。
答案、題目或解析有問題?回報這題