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:![Article](/opac-tmpl/lib/famfamfam/AR.png)
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.