대출 승인 예측 머신러닝 프로젝트: 파이썬으로 배우는 분류 모델 전 과정

핵심 메시지

• 은행 대출 심사를 자동화하는 이진 분류 문제를 소득·학력·신용점수·대출금액 등 신청 정보를 바탕으로 예측한다.
• 문제 정의 → 라이브러리 임포트 → 데이터 로드 → 데이터 이해·정제 → EDA → 인코딩 → 학습/테스트 분할 → 모델링 → 비교의 워크플로우를 따른다.
• 로지스틱 회귀는 약 72.7% 정확도에 그쳤지만, 의사결정트리와 랜덤포레스트는 약 97.8%까지 올라갔다.
• 정확도가 95%를 넘으면 과적합 여부를 반드시 점검해야 하며, 훈련·테스트 정확도 차이로 이를 확인한다.
• 랜덤포레스트의 특징 중요도 분석에서 신용점수가 예측에 가장 큰 영향을 미쳤고, 그 다음이 대출 기간과 대출 금액이었다.

쉽게 이해하기

이 영상은 캐글(Kaggle)에서 받은 대출 데이터셋으로, 신청자가 대출을 승인받을지 거절당할지를 예측하는 머신러닝 모델을 구글 코랩에서 직접 만들어 보는 실습 튜토리얼이다. 데이터셋은 약 4,269건의 신청서와 13개 열로 구성되며, '대출 상태(loan status)'가 예측 대상인 종속 변수, 나머지가 독립 변수 역할을 한다.

진행자는 먼저 pandas·numpy로 데이터를 불러오고 matplotlib·seaborn으로 시각화하며 데이터의 구조를 파악한다. df.shape·df.info·df.describe로 차원과 자료형, 요약 통계를 확인하고, 결측값과 중복을 점검한 뒤 예측에 쓸모없는 고유 식별자인 대출 ID 열을 제거한다.

목표 변수 분포를 보면 신청의 약 62%가 승인, 약 38%가 거절로 비교적 균형이 잡혀 있어 별도의 리샘플링 없이 분류 모델을 학습할 수 있다. 이어서 학력·자영업 여부 같은 범주형 특징이 승인에 어떤 관계를 갖는지 카운트 플롯으로 살펴보고, 수치형 특징들 사이의 상관관계를 히트맵으로 확인한다.

모델 학습 전에는 텍스트로 된 범주형 열(학력, 자영업 여부, 대출 상태)을 레이블 인코딩으로 0/1 숫자로 바꾼다. 세 열 모두 두 개의 범주만 가지는 이진 변수라 원-핫 인코딩 대신 레이블 인코딩이 적절하다. 그 뒤 입력 특징 X와 목표 Y를 분리하고 80:20 비율로 학습/테스트 데이터를 나눈다(random_state=42로 재현성 확보).

세 가지 알고리즘을 차례로 적용한다. 로지스틱 회귀는 약 72.7%로 낮았고, 의사결정트리는 테스트 정확도 약 97.8%(훈련 100%)를 기록했다. 랜덤포레스트는 100개의 트리를 다수결로 결합해 역시 약 97.8%를 보였는데, 데이터가 비교적 분류하기 쉬워 두 모델의 성능이 비슷하게 나온 것이다.

주요 인사이트

• 머신러닝 프로젝트는 알고리즘 선택보다 문제 유형(지도/비지도, 분류/회귀)을 정확히 규정하는 데서 출발해야 한다. 대출 승인은 '예/아니오'를 맞히는 지도 학습 기반 이진 분류 문제다.
• 데이터 품질 점검(결측값·중복·불필요한 식별자 제거)은 성능과 직결되는 필수 단계이며, 열 이름의 앞뒤 공백을 제거하는 것처럼 사소해 보이는 정리도 이후 오류를 예방한다.
• 로지스틱 회귀는 특징과 목표 사이 선형 관계를 가정하지만, 의사결정트리는 비선형 관계와 상호작용을 학습할 수 있어 복잡한 데이터에서 더 유연하다.
• 높은 정확도는 오히려 경계 신호일 수 있다. 훈련·테스트 정확도를 함께 확인해 모델이 데이터를 암기(과적합)한 것은 아닌지 검증하는 습관이 중요하다.
• 랜덤포레스트는 여러 트리를 앙상블해 과적합을 줄이고, 어떤 변수가 예측에 크게 기여하는지 특징 중요도로 알려 준다. 이 사례에서는 신용점수가 압도적으로 중요한 변수였다.

자주 묻는 질문

관련 AI 소식