Expert Systems with Applications· 2026Q1
Adil TabTransformer, Kredi Skorlamada Temellere Karşı Üstün Geldi
A fairness-aware TabTransformer framework for credit scoring with high-cardinality regional bias
- 1atıf
- Q1SCImago
- 2026yıl
Kısa özet
Yeni bir Adil Düzenlenmiş TabTransformer modeli, yüksek kardinaliteli bölgesel yanlılığı ele alarak kredi skorlamada XGBoost, Random Forest ve Logistic Regression'ı önemli ölçüde geride bıraktı.
Yapay zekâ ile başlık ve abstract'tan üretildi; tam metin okunmaz.
Ana noktalar
- Kredi skorlaması için yeni bir Adil Düzenlenmiş TabTransformer modeli geliştirildi.
- Model, özellikle yüksek kardinaliteli bölgesel yanlılığı ele almaktadır.
- XGBoost, Random Forest ve Logistic Regression temellerini geride bıraktı.
- Uygulama R ve 'torch' kütüphanesini kullanmaktadır.
Yapay zekâ ile başlık ve abstract'tan üretildi; tam metin okunmaz.
Özet (abstract)
This repository contains the R source code used to generate the results, tables, and figures for the paper "A Fairness-Aware TabTransformer Framework for Credit Scoring with High-Cardinality Regional Bias" . It implements a deep learning pipeline using "torch" for R, comparing a custom Fairness-Regularized TabTransformer against industry baselines (XGBoost, Random Forest, Logistic Regression).
Yazarların özeti; kaynağından alınmıştır. Expert Systems with Applications, 2026 · DOI ↗
Ücretsiz hesapla devam et
Makaleye Sor ile bu makaleye günde 3 soru ücretsiz; makaleyi kaydet, kaynakçasını al, ilgi alanına göre her gün yeni özetler. Çıkarımlar Premium.
Web'de ücretsiz devam etGoogle ya da Apple hesabınla giriş; kart istemez. Bu makaleye geri dönersin.
Telefonda:
AccountingBusiness, Management and Accounting