Genaue Klassifizierung der Kreditwürdigkeitsprüfung mit Ensemble GradientBoost

Das Kreditwesen hat sich fast überall auf der Welt sehr schnell entwickelt. Die Kreditvergabe wird als eine Geschäftstätigkeit angesehen, die Banken und anderen Finanzinstituten Gewinne einbringt. Kredite können jedoch auch eine Quelle von Verlustrisiken sein. Die jüngste Finanzkrise hat die Aufmerksamkeit von Banken und anderen Finanzinstituten auf das Kreditrisiko gelenkt. Daher hat der Basler Ausschuss alle Banken und Finanzinstitute aufgefordert, ein Kreditscoring-System einzuführen, das bei der Einschätzung des Kreditrisikos hilft. Die Methode für das Kreditscoring wurde entwickelt, um ein besseres Modell für die Vorhersage des Kreditrisikos auszuwählen. Data-Mining-Methoden sind den statistischen Methoden im Umgang mit Kreditscoring-Problemen überlegen, insbesondere bei nichtlinearen Beziehungen zwischen Variablen. Durch das Flashen der Ensemble-Methode mit statistischen Methoden wird nachweislich eine höhere Genauigkeit als mit der Data-Mining-Methode erreicht. Der Klassifizierungsprozess wird durchgeführt, um potenzielle Kreditnehmer in zwei Klassen einzuteilen: gute potenzielle Kreditnehmer und schlechte potenzielle Kreditnehmer, basierend auf den Merkmalen der potenziellen Kreditnehmer unter Verwendung der GradientBoost-Ensemble-Methode.

Autorentext

Armin Lawi é o Chefe do Departamento de Informática da Universidade de Hasanuddin, Indonésia. Recebeu o Bacharelato em Matemática na Universidade Hasanuddin, Mestrado em Ciência Informática e Engenharia da Comunicação pela Universidade Kyushu, e Doutoramento em Ciência Informática e Engenharia de Sistemas pelo Instituto de Tecnologia Kyushu, Japão.