مقایسه شاخص پایداری مدلهای طبقه بندی یادگیری ماشین در روش ارزیابی متقابل به منظور تصمیم گیری برای وام دهی بر اساس داده های تامین مالی حوزه کشاورزی

در سال های اخیر استفاده از الگوریتم های یادگیری ماشین برای ارزیابی ریسک اعتباری و تصمیم گیری در حوزه وام دهی به ویژه در بخش کشاورزی مورد توجه پژوهشگران و موسسات مالی قرار گرفته است. یکی از چالش های اساسی در این زمینه، انتخاب مدلی پایدار و قابل اعتماد برای پیش بینی بازپرداخت وام است. در این پژوهش به مقایسه شاخص پایداری مدل های مختلف طبقه بندی یادگیری ماشین پرداخته می شود.روش ارزیابی متقابل به عنوان یکی از مناسب ترین رویکردها برای ارزیابی مدل ها به کار گرفته شده است، زیرا با تقسیم داده ها به چندین بخش و اجرای مکرر فرآیند آموزش و آزمون، امکان بررسی نوسانات عملکرد مدل ها در شرایط مختلف داده ای فراهم می شود. این ویژگی سبب می شود نتایج حاصل از ارزیابی، قابلیت اطمینان بیشتری داشته باشد و انتخاب مدل بر اساس شاخص های پایداری با دقت بالاتری انجام گیرد.نتایج حاصل نشان می دهد که میزان پایداری مدل ها نقش کلیدی در کاهش ریسک تصمیم گیری های اعتباری دارد و برخی مدل ها در شرایط متفاوت داده ای، نوسان کمتری در عملکرد نشان می دهند. بر اساس یافته ها، انتخاب الگوریتم مناسب با در نظر گرفتن شاخص پایداری می تواند به بهبود فرآیند وام دهی در بخش کشاورزی کمک کند و منجر به تصمیم گیری های دقیق تر و مطمئن تر شود.

کلیدواژه ها:

تامین مالی ، ارزیابی متقابل ، یادگیری ماشین