核心概念
양자 커널은 데이터가 부족한 시나리오에서 기존 모델을 능가할 수 있는 잠재력을 보여주며, 특히 FinTech 및 Neobank 환경과 같이 데이터가 제한적인 상황에서 유리할 수 있다.
摘要
이 연구에서는 Systemic Quantum Score (SQS)라는 새로운 접근 방식을 제안하고 있다. SQS는 진화 알고리즘을 활용하여 효율적인 양자 커널을 설계하고자 한다.
데이터 부족과 불균형 데이터 세트와 같은 어려운 시나리오에서 SQS가 기존 클래식 모델보다 패턴을 더 잘 식별할 수 있음을 보여준다. 또한 데이터 집약적인 알고리즘인 XGBoost보다 향상된 성능을 보인다. 이러한 발전은 FinTech 및 Neobanking 분야에서 SQS를 경쟁력 있는 자산으로 만들며, 데이터 처리 및 분석 능력 향상을 통해 업계 표준을 재정의할 수 있는 잠재력을 시사한다.
统计
피처 엔지니어링 과정을 통해 350개 이상의 변수가 생성되었다.
데이터셋은 2017년부터 2023년 사이에 발생한 4,763건의 대출 내역을 포함하고 있다.
대출 상환 완료 또는 3개월 이상 연체된 경우를 기준으로 대출 상태를 1(default) 또는 0(non-default)으로 정의하였다.
引用
"양자 커널은 데이터가 부족한 시나리오에서 기존 모델을 능가할 수 있는 잠재력을 보여준다."
"SQS는 데이터가 부족하고 불균형한 데이터셋에서도 패턴을 더 잘 식별할 수 있다."
"SQS는 데이터 집약적인 알고리즘인 XGBoost보다 향상된 성능을 보인다."