Proyectos / Trabajos del máster
Crédito justo
Scoring de crédito con menos brecha de género
Resumen
Una red neuronal de riesgo de crédito que reduce un 72 % la brecha de género perdiendo solo 0,6 puntos de AUC, y que estima su propia incertidumbre. Equipo de 3.
Keras sobre los datos de Home Credit, con MC Dropout para la incertidumbre.
La tarea
Una red neuronal de riesgo de crédito sobre datos de Home Credit, centrada en solicitantes con poco historial, que no puede discriminar por género. Cuatro piezas: una capa propia que calcula la ratio de endeudamiento con una saturación entrenable; una pérdida justa que penaliza la dependencia entre la predicción y el género, probada con tres medidas; una búsqueda con Keras Tuner que dibuja el equilibrio entre AUC y equidad, y una estimación de incertidumbre para cada predicción.
Resultados
El compromiso elegido redujo un 72 % la brecha de género en test (de 5,6 a 1,6 puntos) con una bajada de AUC de solo 0,7404 a 0,7345. El MC Dropout devuelve la clase y una varianza; la varianza sube un 47 % solo cuando faltan las tres puntuaciones externas de crédito.
Figuras
