Application of AI in Credit Scoring Modeling
L'objectif de cette étude est d'examiner la capacité des méthodes d'apprentissage automatique à détecter et à prédire avec précision les risques de crédit sur la base des caractéristiques des emprunteurs de détail.
La comparaison de la régression logistique, de l'arbre de décision et de la forêt aléatoire a montré que les méthodes d'apprentissage automatique sont capables de prédire les défauts de paiement des particuliers avec plus de précision que le modèle logit. En outre, il a été démontré que les modèles de forêt aléatoire et d'arbre de décision étaient plus sensibles dans la détection des emprunteurs défaillants.
© Book1 Group - tous droits réservés.
Le contenu de ce site ne peut être copié ou utilisé, en tout ou en partie, sans l'autorisation écrite du propriétaire.
Dernière modification: 2024.11.14 07:32 (GMT)