بررسی روش های داده کاوی برای امتیازدهی اعتبار مشتریان بر مبنای الگوریتم های انتخاب ویژگی مبتنی بر اعتماد

یکی از مهمترین تکنیک های داده کاوی روش رتبه بندی است تا برای تنظیم نرخ سود و میزان وثیقه، شاخص و معیارهایی در نظر گرفته شوند و مشتریانی که از موقعیت اعتباری مناسبی برخوردارند، بتوانند از آن بهرهگیرند. تحقیقات قبلی نشان می دهد که استفاده از الگوریتم های انتخاب ویژگی و رتبه بندی گروه ها می تواند موجب بهبود عملکرد بانک ها در مسائل امتیازدهی اعتبار شود. در این زمینه مهمترین کارها شبیه سازی واستفاده ترکیبی از چندین الگوریتم انتخاب ویژگی و الگوریتم های رتبه بندی یادگیری گروهی به منظور تنظیم پارامترهایشان برای دستیابی به عملکرد بالاتر است. در این بررسی تلاش بر این است تا به بررسی مسئلهداده کاوی در ارتباط با امتیازدهی اعتبار مشتریان بر مبنای الگویی متفاوت ازآنچه تاکنون بدان پرداخته شده بپردازیم. الگوریتم انتخاب ویژگی یکی از چندین الگوریتم کاربردی در این زمینه است که در طی این بررسیبرآورد خواهیم کرد. الگوی داده کاوی هیبرید برای امتیازبندی اعتبار توضیح داده می شود . همچنین الگوریتم های به کار رفته در بررسی حاضر معرفی می شوند. با توجه به اهمیت اعتماد در تجارت الکترونیک،با بهره گیری از شبکه عصبی مصنوعی و با تلفیق این دو مفهوم (اعتماد و اعتبارسنجی)، امکان لحاظ کردن سطح اعتماد متقاضیان در فرآیند اعطای وام به آنها، برای موسسات مالی فراهم شود . در این پژوهش ، بهکاربرد مفهوم اعتماد در مدل های اعتبارسنجی پرداخته شده است که می تواند راهگشای استفاده از روشی نوین در فرآیند واگذاری اعتبار آنلاین در سیستم بانکداری باشد و از طرف دیگر با تقسیم بندی مشتریان به گروه های بیشتر، امکان اعمال سیاست هایی متناسب با هر گروه برای بانک ها فراهم شود . در بخش چهار به بررسی روش های ارائه شده در مطالعات داخلی و خارجی پرداخته می شود. در بخش پنج نیز پس از دریافت مجموعه داده مربوط به اطلاعات بانکی نیز طبقه بندی و رده بندی آنها با چندین الگوریتم انجام می شود که درنهایت طبق نتایج حاصله، روش پیشنهادی شامل FS و کاهش بعد داده ها توسط PCA و استفاده از شبکه عصبی برای ANNadaBoost رده بندی با دقت حدود 90 درصدی در طبقه بندی بهتر از روش های دیگر عمل کرده است.

Keywords:

داده کاوی , رتبه بندی , الگوریتم انتخاب ویژگی , امتیازبندی اعتبار , اعتماد