LightGBM 개인 여신 승인 예측 분류 모델

💡 모델의 주요 특징 및 성능

테스트 데이터셋(Test Set) 기준 최종 성능

• 정확도 (Accuracy): 93%
• 재현율 (Recall - '승인' 클래스): 84% (임계값 튜닝으로 최적화)
• F1 점수 (F1-Score - '승인' 클래스): 0.85
• ROC AUC: 0.9782

🚀 모델 활용 방안

1. 사용자(은행원)가 자연어로 고객 정보를 입력.
2. sLLM이 텍스트에서 필요한 13개의 피처(나이, 소득, 대출 목적 등)를 추출.
3. 추출된 정보를 이 LightGBM 모델에 전달하여 **'대출 승인 확률'**을 계산.
4. sLLM은 계산된 확률값을 바탕으로 사용자 친화적인 최종 심사 의견을 생성.

🛠️ 저장소 파일 구성

• model.pkl: 최종 학습이 완료된 LightGBM 모델 객체 (joblib으로 저장).
• scaler.pkl: 모델 학습에 사용된 StandardScaler 객체. 예측 시 동일한 스케일링을 적용하기 위해 필요합니다.
• README.md: 본 모델 카드.