استخراج و رتبه بندی الگوی های تحلیل ریسک مشتریان وامهای بانکی با استفاده از رویکرد تلفیقی داده کاوی و مدل تحلیل پوششی داده ها

در دهه کنونی حجم داده ها در هر 4 سال تقریبا 2 برابر می شود و قیمت آن نیز کاهش چشمگیری می یابد بنا به اعلام دانشگاه MIT سازمانهائی در زمینه تحلیل داده ها موفق اند که حداقل 4% داده هایشان را تحلیل کنند در اینمیان سازمانهائی به مزیت رقابتی دست خواهند یافت که به تحلیل داده های خود پرداخته و داده ها را به دانش سازمانی تبدیل سازند. داده کاوی یکی از علومی است که این وظیفه را بعهده دارد. الگوریتم های داده کاوی به 4 دستهاصلی تقسیم می شوند که یکی از این دسته ها الگوریتم های قوانین انجمنی هستند که به تعیین الگوهای موجود در پایگاه داده می پردازند. در این مقاله با استفاده از یکی از پرکاربرد ترین الگوریتم های قوانین انجمنی بنام Apriory نسبت به تعیین الگوهای پایگاه داده گیرندگان وامهای بانکی پرداخته شده است، از آنجائیکه این قوانین نیز با توجه بهدو معیار Support و Confidence مورد ارزیابی مجدد قرار می گیرند در این مقاله با استفاده از یکی از متداول ترین روشهائی که در ارزیابی بکار می رود به ارزیابی و رتبه بندی قوانین استخراج شده خواهیم پرداخت. برای پیاده سازی رویکرد فوق از پایگاه داده یکی از بانکهای آلمان استفاده شده است. نتایج این تحقیق می تواند در تعیین الگوهای مهم منجر به عدم پرداخت وام به بانکهای ایران مورد استفاده قرار گیرد.

Keywords:

کشف دانش , داده کاوی , الگوریتم های قوانین انجمنی , کشف الگو , مدل تحلیل پوششی داده ها , کارائی