دراسة مقارنة لتقييم مخاطر الائتمان لمجموعات البيانات غير المتوازنة باستخدام مصنفات التعلم العميق
| العنوان | دراسة مقارنة لتقييم مخاطر الائتمان لمجموعات البيانات غير المتوازنة باستخدام مصنفات التعلم العميق |
|---|---|
| المؤلف | أونير، ت.، النحاس، د.، كانتورفاردار، أ.، أولكغون، أ. م.، دمير أوغلو، جينك |
| تاريخ النشر: | 2023 |
| مكان النشر | - IEEE |
| الموضوع | اختلال التوازن الطبقي، تقييم مخاطر الائتمان، تعزيز التدرج، التعلم الآلي، الشبكات العصبية |
| النوع | وثيقة |
| اللغة | الإنجليزية |
| رقمي | نعم |
| مخطوط | لا |
| المكتبة: | جامعة اوزيجين |
| معرف أصل المكتبة | 2-s2.0-85173461371 |
| رقم السجل | da957e70-4dfe-442a-a332-c9e2948f9faf |
| موقع المكتبة | الهندسة الكهربائية والإلكترونية |
| التاريخ | 2023 |
| نص عينة | يتعامل تقييم مخاطر الائتمان مع حساب مخاطر عدم سداد القرض. ولهذا السبب، يتم توجيه الكثير من الجهود البحثية نحو تحليل مخاطر الائتمان. في هذه الدراسة، يتم استخدام نماذج التعلم الآلي مثل آلة تعزيز التدرج الضوئي والشبكات العصبية لتقييم مخاطر الائتمان. يتم تدريب واختبار نماذج التعلم الآلي هذه باستخدام مجموعة بيانات مخاطر التخلف عن سداد الائتمان المنزلي التي تم الحصول عليها من مسابقة على موقع الويب kaggle.com. تم أيضًا تنفيذ تقنيات إعادة التشكيل لمعالجة مشكلة عدم التوازن الطبقي في مجموعة البيانات. علاوة على ذلك، تم أيضًا استخدام تقنيات المعالجة المسبقة المختلفة للتعامل مع القيم المفقودة والقيم المتطرفة في مجموعة البيانات. تعرض الدراسة نتائج التجارب ذات المعلمات المختلفة وتقنيات المعالجة المسبقة وتعرض التكوين الأمثل للحصول على أفضل النتائج. تتم مقارنة مقاييس أداء نماذج التعلم الآلي التي يتم تنفيذها في التجارب بمقاييس أداء النظام الأساسي الذي يستخدم نموذج Light Gradient-Boosting Machine دون تطبيق تقنيات المعالجة المسبقة. |
| DOI | 10.1109/SIU59756.2023.10224008 |
