AUC 5% 손실을 감수하고 GLM을 선택한 규제 준수 중심 설계

Context

신용 평가 시스템에서 Neural Network의 높은 예측 성능(AUC 0.92)에도 불구하고 설명 가능성 부족으로 인한 법적 리스크 발생. CFPB, ECB 등 규제 기관의 감사 요구와 개별 거절 사유 고지 의무로 인해 Black-box 모델 도입 불가한 상황 분석.

Technical Solution

• Interpretability 확보를 위해 Logit Link 기반의 Generalized Linear Model(GLM) 채택
• 비선형성 해결을 위해 Income에 Log 적용 및 Debt Ratio의 Binning 처리를 통한 Feature Engineering 수행
• 연령대별 주기적 특성을 반영하고자 Sin/Cos 함수를 이용한 Cyclical Feature 설계
• Odds Ratio 산출이 가능한 Logit 함수를 활용하여 변수 변화에 따른 위험도 증폭량을 정량적으로 정의
• Brier Score와 Calibration Curve를 통한 예측 확률의 실제 일치도 검증 및 신뢰도 확보
• Bootstrap 기반의 Confidence Interval 산출로 계수 안정성을 검증하여 모델의 신뢰성 입증