پیاده سازی و مقایسه روش های یادگیری ماشین در ارزیابی ریسک اعتباری مشتریان موسساتاعتباری و مالی
Publish Year: 1401
نوع سند: مقاله کنفرانسی
زبان: Persian
View: 676
This Paper With 8 Page And PDF Format Ready To Download
- Certificate
- من نویسنده این مقاله هستم
این Paper در بخشهای موضوعی زیر دسته بندی شده است:
استخراج به نرم افزارهای پژوهشی:
شناسه ملی سند علمی:
ICISE08_018
تاریخ نمایه سازی: 23 مهر 1401
Abstract:
عمده ترین ریسک در موسسات مالی، ریسک اعتباری است که عدم توانایی قرض گیرنده در بازپرداخت تسهیلات و وام در موعد مقرر معنامی شود. امروزه کارشناسان موسسات می توانند با تحلیل داده های مشتریان و استفاده از یادگیری ماشین، برای تخصیص اعتبارات به آنهاتصمیم گیری نمایند. بنابراین، اعطا و عدم اعطای وام، بدون قضاوت شخصی و بر مبنای ریاضیات انجام می گیرد. در تحقیق پیشرو، داده هایمشتریان موسسه لندینگ کلاب از وبسایت کگل جمع آوری شده است و الگوریتم های مختلف یادگیری ماشین برای پیش بینی ریسکاعتباری بررسی شده است. چالش های مهم این پژوهش، انتخاب ویژگی ها و مدل سازی بر کلاس های نامتوازن بود. فلذا، نوآوری کلیدی اینپژوهش استفاده از روش های انتخاب ویژگی شامل آزمون تحلیل واریانس، آزمون اطلاعات متقابل و روش حذف بازگشتی ویژگی و ترکیبآنها با الگوریتم های یادگیری ماشین برای پیش بینی ریسک اعتباری می باشد. همچنین برای مدل سازی بر کلاس های نامتوازن ، الگوریتم هایحساس به هزینه مانند درخت تصمیم ، ماشین بردار پشتیبان و الگوریتم های جمعی مثل جنگل تصادفی و تقویت گرادیان سبک استفاده شد. دیگر نوآوری پژوهش استفاده از الگوریتم های جدیدتر حوزه یادگیری ماشین مانند تقویت گرادیان سبک می باشد و نتایج نشانمی دهد بهترین طبقه بندی توسط همین الگوریتم و بر ویژگی های منتخب از روش آزمون تحلیل واریانس انجام گرفته است. مساحت زیرمنحنی مشخصه عملکرد این مدل برابر با ۰.۷۲۴ و معیار اف ۰.۵ برابر با ۰.۷۸۸ است.
Keywords:
Authors
زهرا فتحی اقدم
کارشناسی، دانشکده مهندسی صنایع، دانشگاه علم و صنعت ایران، تهران، ایران
محمدرضا رسولی
استادیار، گروه مهندسی سیستم های هوشمند، دانشکده مهندسی صنایع، دانشگاه علم و صنعت ایران، تهران، ایران