Yazar
Öner, T., Alnahas, D., Kanturvardar, A., Ülkgün, A. M., Demiroǧlu, Cenk
Basım Tarihi
2023
Basım Yeri
-
IEEE
Konu
Sınıf dengesizliği, Kredi riski değerlendirmesi, Gradyan artırma, Makine öğrenimi, Sinir ağları
Tür
Belge
Dil
İngilizce
Dijital
Evet
Yazma
Hayır
Kütüphane
Özyeğin Üniversitesi
Demirbaş Numarası
2-s2.0-85173461371
Kayıt Numarası
da957e70-4dfe-442a-a332-c9e2948f9faf
Lokasyon
Elektrik ve Elektronik Mühendisliği
Tarih
2023
Örnek Metin
Kredi riski değerlendirmesi, bir kredinin geri ödenmeme riskinin hesaplanmasıyla ilgilidir. Bu nedenle kredi riski analizine yönelik pek çok araştırma yapılmaktadır. Bu çalışmada kredi riski değerlendirmesi için Light Gradient Boosting Machine ve Neural Networks gibi makine öğrenmesi modellerinden yararlanılmaktadır. Bu makine öğrenimi modelleri, kaggle.com web sitesindeki bir yarışmadan elde edilen Konut Kredisi Temerrüt Riski veri kümesi kullanılarak eğitilir ve test edilir. Veri kümesindeki sınıf dengesizliği sorununu çözmek için yeniden örnekleme teknikleri de uygulandı. Ayrıca veri setindeki eksik değerlerin ve aykırı değerlerin üstesinden gelmek için çeşitli ön işleme teknikleri de kullanılmıştır. Çalışma, farklı parametreler ve ön işleme teknikleri ile yapılan deneylerin sonuçlarını sunmakta ve en iyi sonuçlar için en uygun konfigürasyonu göstermektedir. Deneylerde uygulanan makine öğrenimi modellerinin performans ölçümleri, ön işleme teknikleri uygulanmadan Işık Gradyan Arttırma Makinesi modelini kullanan temel sistemin performans ölçümleriyle karşılaştırılır.
DOI
10.1109/SIU59756.2023.10224008
