مدلی بهینه برای اعتبارسنجی مشتریان بانک براساس الگوریتم یادگیری بیز
Publish place: First National Conference on Advances in computer science and information retrieval approaches
Publish Year: 1392
نوع سند: مقاله کنفرانسی
زبان: Persian
View: 817
This Paper With 7 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:
BPJ01_283
تاریخ نمایه سازی: 29 دی 1392
Abstract:
درسیستم های بانکداری سنتی مدیران اعتباری اغلب میزان اعتبارمشتریان باتوجه به تجربه خود می سنجند ولی درنظام بانکدارینوینبامحدودیتزمانی وتعددفزاینده مشتریان دست به گریبان هستیم برای حل این مشکل میتوان ازتکنیکهای دسته بنید خودکاربادقت بالا مانندالگوریتم های بیزین استفاده کرد دراین تحقیق جهت اعتبارسنجی مشتریان ازدومجموعه داده اعتباری پایگاه داده UCI استفاده کردیم بابهکارگیری الگوریتم ژنتیک ویژگیهای با اهمیت رااستخراج وبااستفاده ازتکنیک Adaboost با الگوریتم پایه Bayesnet به کمک وزن دادن به داده ها ودرنهایت ترکیب طبقه بندها یادگیری را تقویت کردیم همچنین جهت ارزیابی ازالگوریتم های svm ، classification tree naïve bayes برای مقایسه استفاده شده است باتوجه به نتایج بدست امده و دقت بالای مدل Bayesnet نسبت به سایرمدلها استفاده ازآن به عنوان یک روش کارا و مورداطمینان به بانکها و موسسات وام دهنده پیشنهاد می گردد
Keywords:
دسته بندی/اعتبارسنجی/Bayesnet /الگوریتم Adaboost/ الگوریتم ژنتیک
Authors
مریم صادقیان
دانشجوی کارشناسی ارشدنرم افزار
مریم خادمی
استادیاردانشگاه آزاد اسلامی واحد تهران جنوب
مراجع و منابع این Paper:
لیست زیر مراجع و منابع استفاده شده در این Paper را نمایش می دهد. این مراجع به صورت کاملا ماشینی و بر اساس هوش مصنوعی استخراج شده اند و لذا ممکن است دارای اشکالاتی باشند که به مرور زمان دقت استخراج این محتوا افزایش می یابد. مراجعی که مقالات مربوط به آنها در سیویلیکا نمایه شده و پیدا شده اند، به خود Paper لینک شده اند :