该成本感知信用评分框架在保留逻辑回归可解释性的同时，通过预学习重采样方法与成本感知特征选择，实现了更精准的风险评估与成本控制。
Mou, Yunhan · Pu, Zihao · Feng, Duanyu · Luo, Yingting · Lai, Yanzhao · Huang, Jimin · Youjing, Tian · Fang, Xiao
Computational Economics 2024
重采样后利用多个机器学习模型当助手，找出容易让最终分类器混淆的样本并进一步处理，提升逻辑回归的整体性能。
评估时不仅看预测错误造成的损失，还计入收集每个特征的成本，从而能基于财务成本做特征选择。
最终分类器仍是逻辑回归，模型决策过程对业务人员透明，便于解释和监管。