Прогнозирование платежеспособности клиентов банка с использованием методов машинного обучения на данных, отобранных с помощью расчета коэффициентов WOE и IV Д. Д. Бугакова, Е. Ю. Лисовская
Material type:
ArticleContent type: Текст Media type: электронный Subject(s): прогнозирование платежеспособности | логистическая регрессия | метод опорных векторов | машинное обучениеGenre/Form: статьи в сборниках Online resources: Click here to access online
In:
Информационные технологии и математическое моделирование ИТММ-2021 : материалы XX Международной конференции имени А. Ф. Терпугова, 1−5 декабря 2021 г С. 50-55Abstract: В данной работе рассматриваются основные методы машинного обучения для прогнозирования платежеспособности клиентов банка и методы оценивания качества их работы на предоставленных данных. Для прогнозирования целевого признака в данной работе будут рассмотрены такие методы как: логистическая регрессия, случайный лес, метод ближайших соседей и метод опорных векторов. Для сравнения работы методов будут применены метрики accuracy, recall, precision, Fi, AUC ROC, AUC PR, индекс Джини. На основе значений метрик сделан вывод о том, что рассматриваемые методы примерно одинаково хорошо работают.
Библиогр.: 4 назв.
В данной работе рассматриваются основные методы машинного обучения для прогнозирования платежеспособности клиентов банка и методы оценивания качества их работы на предоставленных данных. Для прогнозирования целевого признака в данной работе будут рассмотрены такие методы как: логистическая регрессия, случайный лес, метод ближайших соседей и метод опорных векторов. Для сравнения работы методов будут применены метрики accuracy, recall, precision, Fi, AUC ROC, AUC PR, индекс Джини. На основе значений метрик сделан вывод о том, что рассматриваемые методы примерно одинаково хорошо работают.
There are no comments on this title.