Buchumschlag

Fair and Explainable Credit-Scoring under Concept Drift: Adaptive Explanation Frameworks for Evolving Populations

Fuente: arXiv

Gespeichert in:

Bibliographische Detailangaben
1. Verfasser:	John, Shivogo
Format:	Preprint
Veröffentlicht:	2025
Schlagworte:	Machine Learning
Online-Zugang:	Acceder al recurso
Tags:	Tag hinzufügen Keine Tags, Fügen Sie den ersten Tag hinzu!

Ähnliche Einträge

The Fairness of Credit Scoring Models
von: Hurlin, Christophe, et al.
Veröffentlicht: (2022)

Counterfactual Explanations Under Concept Drift
von: Kostrzewa, Marcin, et al.
Veröffentlicht: (2026)

An Adaptive Sampling Framework for Detecting Localized Concept Drift under Label Scarcity
von: Pyeon, Junghee, et al.
Veröffentlicht: (2025)

Generalized Incremental Learning under Concept Drift across Evolving Data Streams
von: Yu, En, et al.
Veröffentlicht: (2025)

From XAI to MLOps: Explainable Concept Drift Detection with Profile Drift Detection
von: Dar, Ugur, et al.
Veröffentlicht: (2024)

Do Fair Models Reason Fairly? Counterfactual Explanation Consistency for Procedural Fairness in Credit Decisions
von: Popoola, Gideon, et al.
Veröffentlicht: (2026)

Causal Explanation of Concept Drift -- A Truly Actionable Approach
von: Komnick, David, et al.
Veröffentlicht: (2025)

Thwarting Cybersecurity Attacks with Explainable Concept Drift
von: Shaer, Ibrahim, et al.
Veröffentlicht: (2024)

A Distributionally Robust Optimisation Approach to Fair Credit Scoring
von: Casas, Pablo, et al.
Veröffentlicht: (2024)

Online Boosting Adaptive Learning under Concept Drift for Multistream Classification
von: Yu, En, et al.
Veröffentlicht: (2023)

An Experimental Study on Fairness-aware Machine Learning for Credit Scoring Problems
von: Thu, Huyen Giang Thi, et al.
Veröffentlicht: (2024)

FARM: Few-shot Adaptive Malware Family Classification under Concept Drift
von: Guldemir, Numan Halit, et al.
Veröffentlicht: (2026)

Bootstrapped Control Limits for Score-Based Concept Drift Control Charts
von: Wu, Jiezhong, et al.
Veröffentlicht: (2025)

Distributionally Robust Policy Learning under Concept Drifts
von: Wang, Jingyuan, et al.
Veröffentlicht: (2024)

Direct Preference Optimization for Adaptive Concept-based Explanations
von: Teneggi, Jacopo, et al.
Veröffentlicht: (2025)

Holistic Continual Learning under Concept Drift with Adaptive Memory Realignment
von: Ashrafee, Alif, et al.
Veröffentlicht: (2025)

Lyapunov-Stable Adaptive Control for Multimodal Concept Drift
von: Pan, Tianyu Bell, et al.
Veröffentlicht: (2025)

Detecting Concept Drift in Evolving Malware Families Using Rule-Based Classifier Representations
von: Kalný, Tomáš, et al.
Veröffentlicht: (2026)

RCCDA: Adaptive Model Updates in the Presence of Concept Drift under a Constrained Resource Budget
von: Piaseczny, Adam, et al.
Veröffentlicht: (2025)

LEAD-Drift: Real-time and Explainable Intent Drift Detection by Learning a Data-Driven Risk Score
von: Hossain, Md. Kamrul, et al.
Veröffentlicht: (2026)

Reinforcement Learning in Credit Scoring and Underwriting
von: Kiatsupaibul, Seksan, et al.
Veröffentlicht: (2022)

Fighting Sampling Bias: A Framework for Training and Evaluating Credit Scoring Models
von: Kozodoi, Nikita, et al.
Veröffentlicht: (2024)

Classifier Clustering and Feature Alignment for Federated Learning under Distributed Concept Drift
von: Chen, Junbao, et al.
Veröffentlicht: (2024)

FLAME: Adaptive and Reactive Concept Drift Mitigation for Federated Learning Deployments
von: Mavromatis, Ioannis, et al.
Veröffentlicht: (2024)

A Scalable Approach to Covariate and Concept Drift Management via Adaptive Data Segmentation
von: Yarabolu, Vennela, et al.
Veröffentlicht: (2024)

Calibrated Credit Intelligence: Shift-Robust and Fair Risk Scoring with Bayesian Uncertainty and Gradient Boosting
von: Nayak, Srikumar
Veröffentlicht: (2026)

Autonomous Concept Drift Threshold Determination
von: Lu, Pengqian, et al.
Veröffentlicht: (2025)

Unlocking the Black Box: A Five-Dimensional Framework for Evaluating Explainable AI in Credit Risk
von: Ye, Rongbin, et al.
Veröffentlicht: (2025)

DRMD: Deep Reinforcement Learning for Malware Detection under Concept Drift
von: McFadden, Shae, et al.
Veröffentlicht: (2025)

Binary Anomaly Detection in Streaming IoT Traffic under Concept Drift
von: Carnier, Rodrigo Matos, et al.
Veröffentlicht: (2025)

Balancing Performance and Reject Inclusion: A Novel Confident Inlier Extrapolation Framework for Credit Scoring
von: Ribeiro, Athyrson Machado, et al.
Veröffentlicht: (2025)

Score Broadcast and Decorrelation: A General Framework for Broadcast-Based Credit Assignment
von: Uzun, Mustafa, et al.
Veröffentlicht: (2026)

A Large Language Model for Corporate Credit Scoring
von: Majumdar, Chitro, et al.
Veröffentlicht: (2025)

Structural Gender Bias in Credit Scoring: Proxy Leakage
von: SD, Navya, et al.
Veröffentlicht: (2026)

DriftMoE: A Mixture of Experts Approach to Handle Concept Drifts
von: Aspis, Miguel, et al.
Veröffentlicht: (2025)

An Information-Theoretic Analysis for Federated Learning under Concept Drift
von: Peng, Fu, et al.
Veröffentlicht: (2025)

How well does Classification Accuracy capture Concept Drift Detection Quality? An overview of Concept Drift Detection evaluation
von: Komorniczak, Joanna
Veröffentlicht: (2026)

Smoothing the Score Function for Generalization in Diffusion Models: An Optimization-based Explanation Framework
von: Zhou, Xinyu, et al.
Veröffentlicht: (2026)

Unveiling Group-Specific Distributed Concept Drift: A Fairness Imperative in Federated Learning
von: Salazar, Teresa, et al.
Veröffentlicht: (2024)

Procedural Fairness via Group Counterfactual Explanation
von: Popoola, Gideon, et al.
Veröffentlicht: (2026)