ناشر تخصصی کنفرانس های ایران

لطفا کمی صبر نمایید

Publisher of Iranian Journals and Conference Proceedings

Please waite ..
ناشر تخصصی کنفرانسهای ایران
ورود |عضویت رایگان |راهنمای سایت |عضویت کتابخانه ها
عنوان
مقاله

A hybrid mining model based on Artificial Neural Networks, Support Vector Machine and Bayesian for credit scoring

سال انتشار: 1390
کد COI مقاله: SASTECH05_183
زبان مقاله: انگلیسیمشاهده این مقاله: 1,844
فایل این مقاله در 11 صفحه با فرمت PDF قابل دریافت می باشد

خرید و دانلود فایل مقاله

با استفاده از پرداخت اینترنتی بسیار سریع و ساده می توانید اصل این مقاله را که دارای 11 صفحه است به صورت فایل PDF در اختیار داشته باشید.
آدرس ایمیل خود را در کادر زیر وارد نمایید:

مشخصات نویسندگان مقاله A hybrid mining model based on Artificial Neural Networks, Support Vector Machine and Bayesian for credit scoring

M Siami - Iran University of Science and Technology, Tehran, Iran;
M.R Gholamian - Iran University of Science and Technology, Tehran, Iran
R Nasiri

چکیده مقاله:

In recent years, credit scoring is becoming one of the most important topics in the financial field. In consumer credit markets, lending decisions are usually represented as a set of classification problems. In this Paper, we have proposed a hybrid mining model for credit scoring, based on Artificial Neural Networks, Support Vector Machine and Naïve Bayesian to improve the accuracy of credit scoring classification task. To make these basic classifiers as an ensemble model, we have used majority voting technique to improve the prediction accuracy of existing credit scoring models. In order to approve the capability of our model in the field of credit scoring, Australian credit real dataset of UCI machine learning database repository has been applied. Finally we conduct a comparative assessment for the performance measuring of these methods, with three basic learners (Artificial Neural Networks, Support Vector Machine and Naïve Bayesian). Our findings lead us to believe that this hybrid method may provide better performance in the field of credit scoring.

کلیدواژه ها:

Credit Scoring, Data Mining, Classifier ensemble, Support Vector Machine,Descion Tree, Naïve Bayesian

کد مقاله/لینک ثابت به این مقاله

کد یکتای اختصاصی (COI) این مقاله در پایگاه سیویلیکا SASTECH05_183 میباشد و برای لینک دهی به این مقاله می توانید از لینک زیر استفاده نمایید. این لینک همیشه ثابت است و به عنوان سند ثبت مقاله در مرجع سیویلیکا مورد استفاده قرار میگیرد:

https://civilica.com/doc/157482/

نحوه استناد به مقاله:

در صورتی که می خواهید در اثر پژوهشی خود به این مقاله ارجاع دهید، به سادگی می توانید از عبارت زیر در بخش منابع و مراجع استفاده نمایید:
Siami, M and Gholamian, M.R and Nasiri, R,1390,A hybrid mining model based on Artificial Neural Networks, Support Vector Machine and Bayesian for credit scoring,5th Symposium on Advances in Science and Technology,Mashhad,,,https://civilica.com/doc/157482

در داخل متن نیز هر جا که به عبارت و یا دستاوردی از این مقاله اشاره شود پس از ذکر مطلب، در داخل پارانتز، مشخصات زیر نوشته می شود.
برای بار اول: (1390, Siami, M؛ M.R Gholamian and R Nasiri)
برای بار دوم به بعد: (1390, Siami؛ Gholamian and Nasiri)
برای آشنایی کامل با نحوه مرجع نویسی لطفا بخش راهنمای سیویلیکا (مرجع دهی) را ملاحظه نمایید.

مراجع و منابع این مقاله:

لیست زیر مراجع و منابع استفاده شده در این مقاله را نمایش می دهد. این مراجع به صورت کاملا ماشینی و بر اساس هوش مصنوعی استخراج شده اند و لذا ممکن است دارای اشکالاتی باشند که به مرور زمان دقت استخراج این محتوا افزایش می یابد. مراجعی که مقالات مربوط به آنها در سیویلیکا نمایه شده و پیدا شده اند، به خود مقاله لینک شده اند :

  • Chen.F and Li.F, (2010) "Combination of feature selection approaches with ...
  • Chen.W, Ma.C, and Ma.L (2009)"Mining the customer credit using hybrid ...
  • Hsieh N.-C., Hung L.-P (2010) "A data driven ensemble classifier ...
  • Hsieh.N.C (2005) "Hybrid mining approach in the design of credit ...
  • Huang.C.L, Chen.M.C, Wang.C.. (2007)"credit scoring with datamining approach based On ...
  • Hung C., Chen J.-H. (2009) _ selective ensemble based On ...
  • Kononenko, I., (1991). "Semi-naive Bayesian classifier. In: Proceedings of European ...
  • Langley, P., Sage, _ (1994). "Induction of selective Bayesian classifiers". ...
  • _ SASTech 2011, Khavaran Higher-education Institute, Mashhad, Iran. May 12-14. ...
  • Leea.T, Chiub _ Ch. Ch, Y. -Ch. Chouc, Ch.. Lud ...
  • Nanni.L, Lumini.A (2009)"An experimental comparison of ensemble of classifiers for ...
  • On.C.S, Jeng.J, Huang, G. HshiungTzeng (2005)"Building credit scoring model using ...
  • Ouali A., Ramdane Cherif A., Krebs M.-O(2006) "Data mining based ...
  • Thomas.L.C (2000) _ survey of credit and behavioural scoring: forecasting ...
  • Tsai.Ch.F, Wu.J.W (2008)"Using neural network ensembles for bankruptcy prediction and ...
  • TunLi.S , Shiue.W , Huang.M.H (2006)"The evaluation of consumer loans ...
  • Wang.G , Hao.J , Ma.J _ Jiang.H (2011) _ comparative ...
  • West.D (2000) "Neural network credt scoring models" Computers and operation ...
  • Witten.H and Frank.E, Data Mining (2005) "Practical Machine Learning Tools ...
  • Zhang, D., X. Zhou, et al (2010)، 0Vertical bagging decision ...
  • مدیریت اطلاعات پژوهشی

    صدور گواهی نمایه سازی | گزارش اشکال مقاله | من نویسنده این مقاله هستم

    اطلاعات استنادی این مقاله را به نرم افزارهای مدیریت اطلاعات علمی و استنادی ارسال نمایید و در تحقیقات خود از آن استفاده نمایید.

    علم سنجی و رتبه بندی مقاله

    مشخصات مرکز تولید کننده این مقاله به صورت زیر است:
    نوع مرکز: دانشگاه دولتی
    تعداد مقالات: 21,718
    در بخش علم سنجی پایگاه سیویلیکا می توانید رتبه بندی علمی مراکز دانشگاهی و پژوهشی کشور را بر اساس آمار مقالات نمایه شده مشاهده نمایید.

    مقالات مرتبط جدید

    به اشتراک گذاری این صفحه

    اطلاعات بیشتر درباره COI

    COI مخفف عبارت CIVILICA Object Identifier به معنی شناسه سیویلیکا برای اسناد است. COI کدی است که مطابق محل انتشار، به مقالات کنفرانسها و ژورنالهای داخل کشور به هنگام نمایه سازی بر روی پایگاه استنادی سیویلیکا اختصاص می یابد.

    کد COI به مفهوم کد ملی اسناد نمایه شده در سیویلیکا است و کدی یکتا و ثابت است و به همین دلیل همواره قابلیت استناد و پیگیری دارد.

    پشتیبانی