适合不同类型的模型，以丢失默认（LGD）数据。此示例演示以下方法：

使用消费者（零售）信用面板数据以可视化不同级别的默认（PDS）的观察到概率。它还展示了如何适应Cox比例危害（pH）模型，也称为Cox回归，以预测PD。此外，它表明如何执行应力测试分析，如何模拟寿命PD，以及如何计算终身期望的信用损失（ECL）值。

与消费者信用面板数据一起使用，以创建通过周期（TTC）和时间点（PIT）模型，并比较它们的默认概率（PD）。

创建，列车，并比较三个深度学习网络，以预测信用默认概率。

使用深神经网络培训默认（PD）预测的概率的信用风险。该示例还示出了如何使用局部可解释的模型 - 不可知说明（石灰）和福利值可解释技术来理解模型的预测。此外，该示例分析了模型预测，用于采样外值并执行应力测试分析。