• ВХОД

    •  

    Полное описание

    Татаринцев, М. А. Cравнительный анализ технологий машинного обучения для задач кредитного скоринга / М. А. Татаринцев, П. В. Никитин, Р. И. Горохова, В. И. Долгов. - DOI 10.17513/fr.43419. - Текст : непосредственный // Фундаментальные исследования : научный журнал. - 2023. - N 1. - С. 49-54. - Библиогр. в конце ст. - ISSN 1812-7339.

    ГРНТИ УДК
    28.23004.8
    28.23.25004.85
    28.23.37004.032.26

    Рубрики:
    Искусственный интеллект
    Машинное обучение
    Нейронные сети
    Банковское дело -- Кредитование

    Кл.слова (ненормированные): кредитный скоринг -- машинное обучение -- искусственная нейронная сеть -- метод случайного леса -- градиентный бустинг
    Аннотация: Машинное обучение позволяет такому банковскому бизнесу, как кредитование, нести минимальные потери. Так, правильная классификация заемщика при его обращении с запросом на получение кредита сводит вероятность предоставления банком денежных средств под проценты сомнительному клиенту к минимуму, а безопасному - к максимуму. Такой исход, в свою очередь, гарантирует как преувеличение капитала за счет выдачи займов тем, кто их сможем погасить, так и его сохранение благодаря возможности применить «фильтр» и избежать кредитования ненадежных клиентов. Подобное стало реализуемо благодаря решению задачи, которое получило название «кредитный скоринг». В данной статье будут рассмотрены три технологии, реализованные авторами для достоверной классификации заемщиков: Artificial neural network, XGBoost classifier и Random forest classifier. Применимость всех методов была проверена экспериментально на реальных данных. В качестве данных выступает история кредитования граждан США, опубликованная компанией Lending Club за 9 месяцев 2022 г. Грамотная предобработка данных в совокупности с корректно реализованными моделями позволила добиться высокой точности предсказания, что может свидетельствовать об удачно выбранных технологиях.
    Доп. точки доступа:
    Никитин, Петр Владимирович
    Горохова, Римма Ивановна
    Долгов, Виталий Игоревич

    Экз-ры полностью 78b3ecec7f855da4db94f3049447e4d7/2023/1
    Нет сведений об экземплярах
    Держатели документа:
    Государственная публичная научно-техническая библиотека России : 123298, г. Москва, ул. 3-я Хорошевская, д. 17 (Шифр в БД-источнике (KATBW): -267134-392343)

    Шифр в сводном ЭК: a33555015797724a87c64cf96551ee66




    Заказ фрагмента документа ₽