• Open Daily: 10am - 10pm
    Alley-side Pickup: 10am - 7pm

    3038 Hennepin Ave Minneapolis, MN
    612-822-4611

Open Daily: 10am - 10pm | Alley-side Pickup: 10am - 7pm
3038 Hennepin Ave Minneapolis, MN
612-822-4611
Przewidywanie ryzyka kredytowego: Regresja logistyczna a sieci neuronowe

Przewidywanie ryzyka kredytowego: Regresja logistyczna a sieci neuronowe

Paperback

Probability & Statistics

ISBN10: 6206804380
ISBN13: 9786206804383
Publisher: Wydawnictwo Nasza Wiedza
Published: Apr 28 2025
Pages: 52
Weight: 0.18
Height: 0.12 Width: 6.00 Depth: 9.00
Language: Polish
Przewidywanie ryzyka kredytowego ma kluczowe znaczenie dla instytucji finansowych w celu zminimalizowania ryzyka kredytowego. W niniejszym badaniu zbadano skutecznośc danychtransakcyjnych w przewidywaniu ryzyka kredytowego, porównując wydajnośc dwóch popularnych algorytmów: regresji logistycznej i sieci neuronowych typu feed-forward. Badanie ma na celu ocenę zdolności predykcyjnych, możliwości interpretacji i praktycznego zastosowania tych modeli w identyfikowaniu potencjalnych niesplaconych kredytów w oparciu o wzorce transakcyjne. Dane transakcyjne, pozyskane z Kaggle, zostaly poddane rygorystycznemu przetwarzaniu wstępnemu i inżynierii cech dostosowanej do unikalnych cech zapisów transakcji finansowych. Oba modele zostaly intensywnie wytrenowane i ocenione przy użyciu ustalonych wskaźników, obejmujących dokladnośc, precyzję, wycofanie, wynik F1, aby kompleksowo ocenic ich skutecznośc w przewidywaniu niesplacenia kredytu. Wyniki wskazują na różne mocne strony modeli: regresja logistyczna wykazuje godną pochwaly interpretowalnośc przy jednoczesnym osiągnięciu konkurencyjnych wskaźników wydajności, podczas gdy siec neuronowa feed-forward wykazuje wyższą dokladnośc predykcyjną, aczkolwiek przy zwiększonej zlożoności i zmniejszonej interpretowalności.

Also from

Wanjale, Kirti

Also in

Probability & Statistics