Squaregenai

什么是 SquareGen？

SquareGen 是一款创新工具，提供最先进的基于 LLM 的信用评分。它旨在通过利用更少的特征来超越传统信用评分模型，同时提供更深的可解释性和金融级的可靠性。与经典模型不同，SquareGen 重新构想了信用风险的衡量方式，确保稳定和确定性的输出、真实的概率风险评估，以及相较于传统方法显著的性能优势。

如何使用 SquareGen？

1. 在您的 Python 环境中导入 SquareGen 库，使用 `from squaregen import SquareGen`。
2. 通过提供您的训练和测试数据文件来初始化模型：`sg = SquareGen("train.csv", "test.csv", target="target")`。
3. 选择要用于评分的特征数量：`sg.select_features(n_features=45)`。
4. 使用您选择的特征训练模型，并指定模型类型：`sg.train(model="SquareGen-R1-Nano", epochs=2)`。
5. 通过检查几个案例来解释模型的预测：`sg.explain(n_cases=5)`。
6. 根据特征数量基准测试模型性能：`sg.benchmark(feature_count=20)`。

SquareGen 的主要特征是什么？

• 基于 LLM 的信用评分，超越经典模型。
• 需要 50-80% 更少的特征，提高效率。
• 通过注意力层的可解释性提供更深的可解释性。
• 提供经过校准的真实概率输出，以便正确提取 AUC。
• 通过减少噪声和泄漏风险，展示出激进的特征效率。
• 相较于梯度提升模型，AUC 一致提高 2 到 10 个百分点。

SquareGen 适合谁？

SquareGen 专为金融机构、信用机构以及参与贷款和信用风险评估的企业量身定制。其先进的功能使其适合需要可靠且可解释的信用评分解决方案的数据科学家、风险分析师和金融专业人士。该工具对于希望将现代 AI 技术整合到其信用评分流程中的组织特别有利，同时减少操作复杂性。

SquareGen 的使用案例有哪些？

1. 提高中小企业 (SME) 的信用评估，改善评分准确性。
2. 通过利用更少的特征来简化消费者贷款审批，加快处理速度。
3. 与现有风险框架集成，提供强大的信用评分解决方案。