توضیحات
The scope of this study is to investigate the capability of AI methods to accurately detect and predict credit risks based on retail borrowers’ features. The comparison of logistic regression, decision tree, and random forest showed that machine learning methods are able to predict credit defaults of individuals more accurately than the logit model. Furthermore, it was demonstrated how random forest and decision tree models were more sensitive in detecting default borrowers.
————————————————————–
ترجمه ماشینی :
دامنه این مطالعه بررسی قابلیت روش های هوش مصنوعی برای تشخیص دقیق و پیش بینی ریسک های اعتباری بر اساس ویژگی های وام گیرندگان خرده فروشی است. مقایسه رگرسیون لجستیک، درخت تصمیم و جنگل تصادفی نشان داد که روشهای یادگیری ماشینی قادر به پیشبینی پیشفرض اعتبار افراد با دقت بیشتری نسبت به مدل لاجیت هستند. علاوه بر این، نشان داده شد که چگونه مدلهای جنگل تصادفی و درخت تصمیم در شناسایی وام گیرندگان پیشفرض حساستر هستند.
tag : دانلود کتاب کاربرد هوش مصنوعی در مدل سازی امتیازدهی اعتباری , Download کاربرد هوش مصنوعی در مدل سازی امتیازدهی اعتباری , دانلود کاربرد هوش مصنوعی در مدل سازی امتیازدهی اعتباری , Download Application of AI in Credit Scoring Modeling Book , کاربرد هوش مصنوعی در مدل سازی امتیازدهی اعتباری دانلود , buy کاربرد هوش مصنوعی در مدل سازی امتیازدهی اعتباری , خرید کتاب کاربرد هوش مصنوعی در مدل سازی امتیازدهی اعتباری , دانلود کتاب Application of AI in Credit Scoring Modeling , کتاب Application of AI in Credit Scoring Modeling , دانلود Application of AI in Credit Scoring Modeling , خرید Application of AI in Credit Scoring Modeling , خرید کتاب Application of AI in Credit Scoring Modeling ,
دیدگاهها
هیچ دیدگاهی برای این محصول نوشته نشده است.