Hugging Face's logo

IzanMoya
/
Credit-Scoring-Risk-Model-TFM

Tabular Classification
Spanish
English
finance
credit-scoring
risk-assessment
bank-marketing
lightgbm
explainable-ai
shap
Model card Files
xet
Community
IzanMoya commited on
Commit
a7f8ed8
路
verified 路
1 Parent(s): 6cbccca

Update README.md

Browse files
Files changed (1) hide show
  1. README.md +10 -4
README.md CHANGED
@@ -62,8 +62,11 @@ El modelo logra un equilibrio 贸ptimo entre capacidad predictiva general y sensi
62
  * **Recall (Clase 1 - Fraude):** **68%** *(Detecta a casi 7 de cada 10 malos pagadores)*
63
  * **Accuracy Global:** 70%
64
 
65
- *(Opcional: Reemplaza este texto por la imagen de tu matriz de confusi贸n subida a tu repo)*
66
- `![Matriz de Confusi贸n](ENLACE_A_TU_IMAGEN_MATRIZ_CONFUSION.png)`
 
 
 
67
 
68
  ## 馃 Explicabilidad del Modelo (XAI con SHAP)
69
  Para que el modelo sea auditable por los analistas de riesgos, se ha integrado **SHAP (SHapley Additive exPlanations)**. El an谩lisis confirma que el modelo ha aprendido l贸gicas de negocio coherentes:
@@ -72,8 +75,11 @@ Para que el modelo sea auditable por los analistas de riesgos, se ha integrado *
72
  2. **Plazo del Cr茅dito (`CREDIT_TERM`):** Pr茅stamos estructurados a muy largo plazo acumulan mayor incertidumbre y, por ende, mayor riesgo asignado.
73
  3. **Sobre-financiaci贸n (`CREDIT_GOODS_DIFF`):** El modelo penaliza severamente a los clientes que solicitan un cr茅dito por un importe muy superior al valor del bien a adquirir, interpret谩ndolo como una necesidad urgente y no declarada de liquidez.
74
 
75
- *(Opcional: Reemplaza este texto por la imagen de tu gr谩fico SHAP summary plot)*
76
- `![Impacto SHAP](ENLACE_A_TU_IMAGEN_SHAP_BEESWARM.png)`
 
 
 
77
 
78
  ## 鈿狅笍 Limitaciones y Descargo de Responsabilidad
79
  Este modelo ha sido entrenado con datos hist贸ricos anonimizados (*Home Credit Default Risk*) con fines exclusivamente acad茅micos y de demostraci贸n t茅cnica. No debe integrarse en sistemas de toma de decisi贸n de concesi贸n de cr茅dito real sin superar auditor铆as exhaustivas de sesgos (*Fairness*), calibraci贸n de probabilidades y cumplimiento normativo local.
 
62
  * **Recall (Clase 1 - Fraude):** **68%** *(Detecta a casi 7 de cada 10 malos pagadores)*
63
  * **Accuracy Global:** 70%
64
 
65
+ `![Matriz de Confusi贸n](
66
+
67
+ ![Matriz_Confusion_TFM](https://cdn-uploads.huggingface.co/production/uploads/6890aace81ad6ab8de708dae/t8cF7vy8vZvq-YtSOi3WT.png)
68
+
69
+ )`
70
 
71
  ## 馃 Explicabilidad del Modelo (XAI con SHAP)
72
  Para que el modelo sea auditable por los analistas de riesgos, se ha integrado **SHAP (SHapley Additive exPlanations)**. El an谩lisis confirma que el modelo ha aprendido l贸gicas de negocio coherentes:
 
75
  2. **Plazo del Cr茅dito (`CREDIT_TERM`):** Pr茅stamos estructurados a muy largo plazo acumulan mayor incertidumbre y, por ende, mayor riesgo asignado.
76
  3. **Sobre-financiaci贸n (`CREDIT_GOODS_DIFF`):** El modelo penaliza severamente a los clientes que solicitan un cr茅dito por un importe muy superior al valor del bien a adquirir, interpret谩ndolo como una necesidad urgente y no declarada de liquidez.
77
 
78
+ `![Impacto SHAP](
79
+
80
+ ![SHAP_TFM](https://cdn-uploads.huggingface.co/production/uploads/6890aace81ad6ab8de708dae/wfzX-kwAIrXvgIGYTN82F.png)
81
+
82
+ )`
83
 
84
  ## 鈿狅笍 Limitaciones y Descargo de Responsabilidad
85
  Este modelo ha sido entrenado con datos hist贸ricos anonimizados (*Home Credit Default Risk*) con fines exclusivamente acad茅micos y de demostraci贸n t茅cnica. No debe integrarse en sistemas de toma de decisi贸n de concesi贸n de cr茅dito real sin superar auditor铆as exhaustivas de sesgos (*Fairness*), calibraci贸n de probabilidades y cumplimiento normativo local.