arXiv · ML· Bart Baesens, Andreas Goethals, Stefan Lessmann, Simon De Vos, Cristi\'an Bravo, David Martens, Victor Medina-Olivares, Christophe Mues, Maria Oskarsd\'ottir, Seppe vanden Broucke, Tony Van Gestel, Tim Verdonck, Wouter Verbeke·· 5 小时前AI 评分33
表格基础模型用于信用风险预测：专项综述与实证比较
Tabular Foundation Models for Credit Risk Prediction: A Dedicated Review and Empirical Comparison
AI 导读
TabPFN-3 和 TabICLv2 在信用风险预测中取得最佳平均结果，在小样本和强不平衡场景下优势最显著。 研究评估了 33 种分类方法用于 PD 预测及 27 种回归方法用于 LGD 建模，对比了 14 个 PD 数据集和 7 个 LGD 数据集。 这些模型使用预训练固定参数，无需下游超参数优化或特定任务参数更新即可应用。
来源：arXiv · ML · arxiv.org