|
پیش‌بینی امتیاز اعتباری اشخاص با استفاده از الگوریتم‌های داده‌کاوی (مورد مطالعه: مشتریان یک بانک دولتی ایران)
|
| عالیه کاظمی*1، کیمیا عظیم زاده طهرانی1، علی ابدالی2، سارا آریایی1 |
1- دانشگاه تهران
2- دانشگاه علوم انتظامی امین |
|
|
چکیده: (280 مشاهده) |
| امتیاز اعتباری مشتریان یکی از ابزارهای مهم برای مدیریت ریسک در سیستم‌های بانکی است. طراحی سیستمی که بتواند شناسایی مشتریان بانکی را به‌درستی انجام دهد، از چالش‌های اساسی در داده‌کاوی و یادگیری ماشین بوده که مطالعات بسیاری در مورد آن انجام شده است. در این مطالعه، عوامل مرتبط با امتیاز اعتباری معرفی، و پیش‌بینی امتیاز اعتباری برای مشتریان یک بانک دولتی ایران انجام شده است. بدین‌منظور، روش‌شناسی CRISP-DM به‌عنوان مدل مرجعی برای فرایند داده‌کاوی مورد استفاده قرار گرفته و مدل‌سازی داده‌ها با بهره‌گیری از الگوریتم‌های مختلف (نزدیک‌ترین همسایگی، درخت تصمیم، و جنگل تصادفی) انجام شده است. نتایج ارزیابی و مقایسهٔ حساسیت و دقت الگوریتم‌ها نشان داد الگوریتم نزدیک‌ترین همسایگی با دقت ۹۰.۳ درصد برای مجموعهٔ آموزش و ۷۶.۷ درصد برای داده‌های آزمون، عملکرد مناسبی برای پیش‌بینی امتیاز اعتباری دارد. |
|
| واژه‌های کلیدی: امتیاز اعتباری، داده‌کاوی، روش‌شناسی CRISP-DM، نزدیک‌ترین همسایگی، درخت تصمیم، جنگل تصادفی |
|
|
متن کامل [PDF 1259 kb]
(220 دریافت)
|
نوع مطالعه: مطالعه تجربی |
موضوع مقاله:
سیاست پولی، بانکداری مرکزی و عرضه پول و اعتبارات (E5)
دریافت: 1399/12/13 | پذیرش: 1400/2/27 | انتشار: 1400/11/30
|
|
|
|
|
|
|
| ارسال پیام به نویسنده مسئول |
|
|
