СРАВНИТЕЛЬНЫЙ АНАЛИЗ МЕТОДОВ МАШИННОГО ОБУЧЕНИЯ В ОЦЕНКЕ КРЕДИТНЫХ РИСКОВ

Автор(ы): Чуб Вадим Сергеевич

Рубрика: Информационные технологии

DOI: 10.21777/2500-2112-2023-3-81-92

Выпуск: 2023-3 (44)

Страницы: 81-92

Ключевые слова: искусственный интеллект, машинное обучение, дропаут, краткосрочная память, матрица корреляции, кредитные риски

Аннотация: В статье исследуется сравнительная эффективность автоматизированной оценки кредитных рисков современными методами машинного обучения (наивный байесовский классификатор, k-ближайших соседей, логистическая регрессия, «случайный лес» и глубокая нейронная сеть). Cмоделирована база данных из легальных доступных открытых источников, произведены выборки, предварительная обработка данных. Выполнены обучение и тестирование моделей машинного обучения, их сравнение по метрикам качества. По результатам тестирования оптимизированы параметры модели машинного обучения полным перебором комбинаций статистических моделей (метода на основе правил, метода k-ближайших соседей, логистической регрессии, дискриминантного анализа, наивного байесовского классификатора, нейронных сетей и деревьев решений). Каждый из традиционных классификаторов (наивный байесовский классификатор, метод k-ближайших соседей, логистическая регрессия, «случайный лес», глубокая нейронная сеть) улучшался с применением механизмов стандартизации и снижения размерности методом главных компонент. По итогам сравнительного анализа моделей машинного обучения наилучший результат продемонстрировала модель нейронной сети с оптимизированными параметрами, обеспечившая наилучшие показатели по всем метрикам оценки.

Библиографическая ссылка: Чуб В.С. СРАВНИТЕЛЬНЫЙ АНАЛИЗ МЕТОДОВ МАШИННОГО ОБУЧЕНИЯ В ОЦЕНКЕ КРЕДИТНЫХ РИСКОВ // Образовательные ресурсы и технологии. – 2023. – № 3 (44). – С. 81-92. doi: 10.21777/2500-2112-2023-3-81-92