توسعه یک مدل دسته بندی هیبریدی با استفاده الگوریتم ژنتیک و شبکه های نیوبیز برای اعتبارسنجی

اعتبارسنجی یک وظیفه مهم برای مؤسسات مالی همچون بانک ها و شرکت های بیمه می باشد. در سال های اخیر، مدیریت نامناسب در زمینه تخصیص اعتبار، زیان های زیادی را به مؤسسات مالی تحمیل کرده و حتی برخی از آنها را تا حد ورشکستگی سوق داده است. اعتبارسنجی با پیش بینی صحیح رفتار مشتریان، ریسک حاصل از اعطای اعتبار را کاهش می دهد. اعتبارسنجی به صورت یک مسئلهدسته بندی قابل طرح است که مشتریان را بر اساس ویژگی هایشان در دو دسته خوب و بد دسته بندی نماید. هدف این مقاله، توسعه یک رویکرد یکپارچه اعتبارسنجی با دقت و کارایی بالا می باشد. این رویکرد، در مرحله پیش پردازش داده ها برای گسسته سازی داده ها از یک روش خطی و در مرحله مدل سازی از ابزار های ژنتیک و نیوبیز در دو حالت منفرد و ترکیبی برای دسته بندی استفاده می نماید. این رویکرد، بر روی دو مجموعه داده آلمان در پایگاه داده UCI و یک پایگاه داده کوچک از ایران اجرا شده تا عملکرد رقابتی آنها بررسی شود. نتایج نشان می دهد که این رویکرد، معیارهای عملکردی دسته بندی اعم از دقت را بهبود می دهد

Keywords:

داده کاوی , اعتبارسنجی , شبکه های نیوبیز , الگوریتم ژنتیک