Buchumschlag

Predicting Mortgage Default with Machine Learning: AutoML, Class Imbalance, and Leakage Control

Fuente: arXiv

Gespeichert in:

Bibliographische Detailangaben
Hauptverfasser:	Hu, Xianghong, Xu, Tianning, Chen, Ying, Wang, Shuai
Format:	Preprint
Veröffentlicht:	2026
Schlagworte:	Machine Learning
Online-Zugang:	Acceder al recurso
Tags:	Tag hinzufügen Keine Tags, Fügen Sie den ersten Tag hinzu!

Ähnliche Einträge

AutoML for Multi-Class Anomaly Compensation of Sensor Drift
von: Schaller, Melanie, et al.
Veröffentlicht: (2025)

Problem-oriented AutoML in Clustering
von: da Silva, Matheus Camilo, et al.
Veröffentlicht: (2024)

The Potential of AutoML for Recommender Systems
von: Vente, Tobias, et al.
Veröffentlicht: (2024)

AutoML-Agent: A Multi-Agent LLM Framework for Full-Pipeline AutoML
von: Trirat, Patara, et al.
Veröffentlicht: (2024)

Data Pipeline Training: Integrating AutoML to Optimize the Data Flow of Machine Learning Models
von: Wu, Jiang, et al.
Veröffentlicht: (2024)

AutoML-Med: A Framework for Automated Machine Learning in Medical Tabular Data
von: Francia, Riccardo, et al.
Veröffentlicht: (2025)

Robustness of AutoML on Dirty Categorical Data
von: Bueno, Marcos L. P., et al.
Veröffentlicht: (2026)

X Hacking: The Threat of Misguided AutoML
von: Sharma, Rahul, et al.
Veröffentlicht: (2024)

Confidence Interval Estimation of Predictive Performance in the Context of AutoML
von: Paraschakis, Konstantinos, et al.
Veröffentlicht: (2024)

An AutoML-based approach for Network Intrusion Detection
von: Gyimah, Nana Kankam, et al.
Veröffentlicht: (2024)

AutoGluon-Multimodal (AutoMM): Supercharging Multimodal AutoML with Foundation Models
von: Tang, Zhiqiang, et al.
Veröffentlicht: (2024)

Budget-aware Query Tuning: An AutoML Perspective
von: Wu, Wentao, et al.
Veröffentlicht: (2024)

Auto-ADMET: An Effective and Interpretable AutoML Method for Chemical ADMET Property Prediction
von: de Sá, Alex G. C., et al.
Veröffentlicht: (2025)

Optimal Pricing for Data-Augmented AutoML Marketplaces
von: Han, Minbiao, et al.
Veröffentlicht: (2023)

Explaining AutoClustering: Uncovering Meta-Feature Contribution in AutoML for Clustering
von: da Silva, Matheus Camilo, et al.
Veröffentlicht: (2026)

AutoML Benchmark with shorter time constraints and early stopping
von: Jurado, Israel Campero, et al.
Veröffentlicht: (2025)

OpenAutoNLU: Open Source AutoML Library for NLU
von: Arshinov, Grigory, et al.
Veröffentlicht: (2026)

Exploring the impact of fairness-aware criteria in AutoML
von: Simões, Joana, et al.
Veröffentlicht: (2026)

Hyperparameter Importance Analysis for Multi-Objective AutoML
von: Theodorakopoulos, Daphne, et al.
Veröffentlicht: (2024)

Khiops: An End-to-End, Frugal AutoML and XAI Machine Learning Solution for Large, Multi-Table Databases
von: Boullé, Marc, et al.
Veröffentlicht: (2025)

LightAutoDS-Tab: Multi-AutoML Agentic System for Tabular Data
von: Lapin, Aleksey, et al.
Veröffentlicht: (2025)

EDCA - An Evolutionary Data-Centric AutoML Framework for Efficient Pipelines
von: Simões, Joana, et al.
Veröffentlicht: (2025)

Bag of Tricks for Multimodal AutoML with Image, Text, and Tabular Data
von: Tang, Zhiqiang, et al.
Veröffentlicht: (2024)

Online Meta-learning for AutoML in Real-time (OnMAR)
von: Gerber, Mia, et al.
Veröffentlicht: (2025)

In-Context Decision Making for Optimizing Complex AutoML Pipelines
von: Balef, Amir Rezaei, et al.
Veröffentlicht: (2025)

Deciphering AutoML Ensembles: cattleia's Assistance in Decision-Making
von: Kozak, Anna, et al.
Veröffentlicht: (2024)

Assessing the Use of AutoML for Data-Driven Software Engineering
von: Calefato, Fabio, et al.
Veröffentlicht: (2023)

LeJOT-AutoML: LLM-Driven Feature Engineering for Job Execution Time Prediction in Databricks Cost Optimization
von: Ma, Lizhi, et al.
Veröffentlicht: (2026)

NNGPT: Rethinking AutoML with Large Language Models
von: Kochnev, Roman, et al.
Veröffentlicht: (2025)

forester: A Tree-Based AutoML Tool in R
von: Ruczyński, Hubert, et al.
Veröffentlicht: (2024)

iML: Executable, Problem-Grounded, and Broadly Exploratory Code-Driven AutoML
von: Le, Dat, et al.
Veröffentlicht: (2026)

Auto-Unrolled Proximal Gradient Descent: An AutoML Approach to Interpretable Waveform Optimization
von: Kaplan, Ahmet
Veröffentlicht: (2026)

Position: A Call to Action for a Human-Centered AutoML Paradigm
von: Lindauer, Marius, et al.
Veröffentlicht: (2024)

Impact of Leakage on Data Harmonization in Machine Learning Pipelines in Class Imbalance Across Sites
von: Nieto, Nicolás, et al.
Veröffentlicht: (2024)

Exploring the Determinants of Pedestrian Crash Severity Using an AutoML Approach
von: Rafe, Amir, et al.
Veröffentlicht: (2024)

A Spatio-Temporal Machine Learning Model for Mortgage Credit Risk: Default Probabilities and Loan Portfolios
von: Kündig, Pascal, et al.
Veröffentlicht: (2024)

Predicting delays in Indian lower courts using AutoML and Decision Forests
von: Bhatnagar, Mohit, et al.
Veröffentlicht: (2023)

Time Series Feature Redundancy Paradox: An Empirical Study Based on Mortgage Default Prediction
von: Huang, Chengyue, et al.
Veröffentlicht: (2024)

A Reproducible Log-Driven AutoML Framework for Interpretable Pipeline Optimization in Healthcare Risk Prediction
von: Huang, Rui, et al.
Veröffentlicht: (2026)

Pre-Hoc Predictions in AutoML: Leveraging LLMs to Enhance Model Selection and Benchmarking for Tabular datasets
von: Belkhiter, Yannis, et al.
Veröffentlicht: (2025)