Zum Inhalt
Anmelden
Alle Apps

Kredit-Landkarte: Wer zahlt zurück?

Über diese App

Eine Bank lernt aus 150 simulierten historischen Kunden mit Alter und Nettoeinkommen, wer seinen Kredit zurückzahlt. Drei Lernverfahren ziehen die Trennlinie: Eine Gerade verfehlt die U-Form im Alter (Underfitting), eine Kurve mit Alter² passt, der nächste Nachbar gibt jedem Kunden seine Insel — 0 Prozent Fehler im Training, bei 150 neuen Kunden aus der Zukunft deutlich mehr (Overfitting). Max Müllers Antrag lässt sich über die Karte ziehen.

Mit Erklärmodus: Ein KI-Tutor führt dich durch die App, zeigt in der Szene, worauf es ankommt, und beantwortet deine Fragen.

Eine Trennlinie zwischen zwei Gruppen

Eine Bank schätzt die Ausfallwahrscheinlichkeit eines Kredits aus historischen Kunden, bei denen sie weiß, ob sie zurückgezahlt haben. Mit zwei Merkmalen wie Alter und Nettoeinkommen wird jeder Kunde ein Punkt auf einer Karte. Ein Lernverfahren zieht eine Trennlinie zwischen den beiden Gruppen. Weil sie sich stark überlappen, bleiben Grenzgänger auf der falschen Seite. Ist die Linie zu einfach, verfehlt sie die echte Form (Underfitting); ist sie so fein, dass sie jeden Trainingskunden richtig einordnet, lernt sie den Zufall mit (Overfitting).

Was die App zeigt

150 simulierte Kunden zwischen 18 und 80 Jahren. Das Risiko sinkt mit dem Einkommen und verläuft im Alter U-förmig: Junge sind weniger solvent, im mittleren Alter läuft es gut, im Rentenalter steigt das Risiko wieder etwas. Eine logistische Regression mit Alter und Einkommen zieht eine Gerade und liegt bei 26 Prozent der Kunden daneben. Mit Alter² wird die Grenze eine Kurve, nur noch 14,7 Prozent liegen falsch. Der nächste Nachbar gibt jedem Kunden seine Insel und hat im Training 0 Prozent Fehler. Bei 150 neuen Kunden aus derselben Welt liegt er aber bei 23,3 Prozent, die Kurve bei 12,7.

Selbst ausprobieren

Wechsle zwischen Gerade, Kurve und Jeden einzeln und beobachte Fläche, Grenze und Kringel. Schalte die Zukunft ein, um die neuen Kunden zu sehen. Ziehe Max Müllers Antrag über die Karte und lies ab, wie hoch das Modell sein Ausfallrisiko schätzt und ob die Bank den Kredit gibt. Mit der Schwelle legst du fest, ab welcher Wahrscheinlichkeit die Bank Nein sagt.

Häufige Fragen

Was ist Overfitting?
Ein Modell ist überangepasst, wenn es die Trainingsdaten fast perfekt erklärt, auch ihre zufälligen Ausreißer, und deshalb bei neuen Daten schlechter abschneidet. Erkennbar ist das an einer großen Lücke zwischen kleinem Trainingsfehler und deutlich größerem Testfehler.
Was ist Underfitting?
Ein Modell ist unteranpassend, wenn seine Form zu einfach für den Zusammenhang ist, etwa eine Gerade für ein Risiko, das im Alter erst fällt und dann wieder steigt. Dann sind Trainings- und Testfehler beide hoch. Mehr Daten helfen dabei wenig, eine flexiblere Form schon.
Warum misst man den Fehler auf Testdaten?
Der Fehler auf den Trainingsdaten sagt wenig darüber, wie gut ein Modell bei neuen Fällen ist, weil es diese Daten schon kennt. Testdaten aus derselben Verteilung, die beim Lernen nicht benutzt wurden, schätzen den Fehler im Einsatz.
Was kann ich in der App ausprobieren?
Drei Lernverfahren umschalten, 150 neue Kunden einblenden, den Antrag von Max Müller frei über die Karte ziehen, die Schwelle der Bank verstellen und mit der Lupe jeden Kunden, die Grenze und die Fläche erklären lassen. Alle Kunden sind simuliert.

Fach: Machine Learning

Mehr aus Machine Learning

Eine VisuApp von heyprof: interaktiv, kostenlos im Browser, ohne Anmeldung. Was ist eine VisuApp? · Alle Apps