مدلی بهینه برای اعتبارسنجی مشتریان بانک براساس الگوریتم یادگیری بیز
عنوان مقاله: مدلی بهینه برای اعتبارسنجی مشتریان بانک براساس الگوریتم یادگیری بیز
شناسه ملی مقاله: BPJ01_283
منتشر شده در اولین همایش ملی رویکردهای نوین در مهندسی کامپیوتر و بازیابی اطلاعات در سال 1392
شناسه ملی مقاله: BPJ01_283
منتشر شده در اولین همایش ملی رویکردهای نوین در مهندسی کامپیوتر و بازیابی اطلاعات در سال 1392
مشخصات نویسندگان مقاله:
مریم صادقیان - دانشجوی کارشناسی ارشدنرم افزار
مریم خادمی - استادیاردانشگاه آزاد اسلامی واحد تهران جنوب
خلاصه مقاله:
مریم صادقیان - دانشجوی کارشناسی ارشدنرم افزار
مریم خادمی - استادیاردانشگاه آزاد اسلامی واحد تهران جنوب
درسیستم های بانکداری سنتی مدیران اعتباری اغلب میزان اعتبارمشتریان باتوجه به تجربه خود می سنجند ولی درنظام بانکدارینوینبامحدودیتزمانی وتعددفزاینده مشتریان دست به گریبان هستیم برای حل این مشکل میتوان ازتکنیکهای دسته بنید خودکاربادقت بالا مانندالگوریتم های بیزین استفاده کرد دراین تحقیق جهت اعتبارسنجی مشتریان ازدومجموعه داده اعتباری پایگاه داده UCI استفاده کردیم بابهکارگیری الگوریتم ژنتیک ویژگیهای با اهمیت رااستخراج وبااستفاده ازتکنیک Adaboost با الگوریتم پایه Bayesnet به کمک وزن دادن به داده ها ودرنهایت ترکیب طبقه بندها یادگیری را تقویت کردیم همچنین جهت ارزیابی ازالگوریتم های svm ، classification tree naïve bayes برای مقایسه استفاده شده است باتوجه به نتایج بدست امده و دقت بالای مدل Bayesnet نسبت به سایرمدلها استفاده ازآن به عنوان یک روش کارا و مورداطمینان به بانکها و موسسات وام دهنده پیشنهاد می گردد
کلمات کلیدی: دسته بندی/اعتبارسنجی/Bayesnet /الگوریتم Adaboost/ الگوریتم ژنتیک
صفحه اختصاصی مقاله و دریافت فایل کامل: https://civilica.com/doc/225548/