Какую метрику максимизировать в задаче кредитного скоринга для точного выявления людей, которым надо выдать кредит?

В задаче кредитного скоринга важно максимально точно выявлять людей, которым стоит выдать кредит, минимизируя при этом риск невозврата. Для этого обычно максимизируют метрику Recall (полноту) для класса "нужно выдать кредит" — то есть долю правильно распознанных положительных случаев.

Однако, поскольку важно также не выдавать кредит ненадежным клиентам, часто используют баланс между полнотой и точностью, например, метрику F1-score.

Если задача стоит именно выявить всех потенциально надежных заемщиков, то:

• Максимизируют Recall для положительного класса.
• Контролируют Precision, чтобы не выдавать слишком много кредитов ненадежным.

В некоторых случаях применяют метрики, учитывающие экономический эффект (например, ожидаемая прибыль), но в классическом ML подходе — это Recall или F1-score для положительного класса.