دانلود مقاله ISI انگلیسی شماره 145930
ترجمه فارسی عنوان مقاله

استنتاج در ارزیابی اعتبار با استفاده از ماشین های بردار پشتیبانی نیمه نظارت را رد کنید

عنوان انگلیسی
Reject inference in credit scoring using Semi-supervised Support Vector Machines
کد مقاله سال انتشار تعداد صفحات مقاله انگلیسی ترجمه فارسی
145930 2017 28 صفحه PDF سفارش دهید
دانلود فوری مقاله + سفارش ترجمه

نسخه انگلیسی مقاله همین الان قابل دانلود است.

هزینه ترجمه مقاله بر اساس تعداد کلمات مقاله انگلیسی محاسبه می شود.

این مقاله تقریباً شامل 8076 کلمه می باشد.

هزینه ترجمه مقاله توسط مترجمان با تجربه، طبق جدول زیر محاسبه می شود:

شرح تعرفه ترجمه زمان تحویل جمع هزینه
ترجمه تخصصی - سرعت عادی هر کلمه 12 تومان 14 روز بعد از پرداخت 96,912 تومان
ترجمه تخصصی - سرعت فوری هر کلمه 24 تومان 7 روز بعد از پرداخت 193,824 تومان
پس از پرداخت، فوراً می توانید مقاله را دانلود فرمایید.
منبع

Publisher : Elsevier - Science Direct (الزویر - ساینس دایرکت)

Journal : Expert Systems with Applications, Volume 74, 15 May 2017, Pages 105-114

ترجمه کلمات کلیدی
استنتاج را رد کنید نمره اعتباری، ماشین های بردار پشتیبانی نیمه نظارت، وام آنلاین، دقت پیش بینی،
کلمات کلیدی انگلیسی
Reject inference; Credit scoring; Semi-supervised Support Vector Machines; Online lending; Predictive accuracy;
ترجمه چکیده
مدل های برآورد اعتباری معمولا بر روی یک نمونه از متقاضیان پذیرفته شده است که اطلاعات بازپرداخت و رفتار پس از وام صادر شده قابل مشاهده است. با این حال در عمل این مدل ها به طور مرتب به متقاضیان جدید اعمال می شود که ممکن است منشاء نمونه را ایجاد کند. این تعصب حتی در وام آنلاین نیز مشهود است، که بیش از 90 درصد از کل درخواست وام رد می شود. استنتاج رد کردن یک تکنیک است برای نتیجه گیری برای متقاضیان رد شده و ترکیب آنها در سیستم نمره دهی، با این انتظار که دقت پیش بینی شده بهبود یافته است. این مقاله مطالعات قبلی را با دو روش اصلی گسترش می دهد: اول، ما روش جدیدی را برای یادگیری ماشین برای حل مسئله استنتاج رد پیشنهاد می کنیم؛ در مرحله دوم، مدل مدلهای بردار پشتیبانی نیمه نظارت بر بهبود عملکرد مدل های به دست آمده در مقایسه با رگرسیون صنعتی رگرسیون لجستیک، بر اساس 56626 پذیرفته شده و 563،215 رد شده از پرداخت های آنلاین مصرف کننده را بهبود می بخشد.
ترجمه دقیق تری نیاز دارید؟ سفارش دهید
پیش نمایش مقاله
پیش نمایش مقاله استنتاج در ارزیابی اعتبار با استفاده از ماشین های بردار پشتیبانی نیمه نظارت را رد کنید

چکیده انگلیسی

Credit scoring models are commonly built on a sample of accepted applicants whose repayment and behaviour information is observable once the loan has been issued. However in practice these models are regularly applied to new applicants, which may cause sample bias. This bias is even more pronounced in online lending, where over 90% of total loan requests are rejected. Reject inference is a technique to infer the outcomes for rejected applicants and incorporate them in the scoring system, with the expectation that predictive accuracy is improved. This paper extends previous studies in two main ways: firstly, we propose a new method involving machine learning to solve the reject inference problem; secondly, the Semi-supervised Support Vector Machines model is found to improve the performance of scoring models compared to the industrial benchmark of logistic regression, based on 56,626 accepted and 563,215 rejected online consumer loans.

دانلود فوری مقاله + سفارش ترجمه

نسخه انگلیسی مقاله همین الان قابل دانلود است.

هزینه ترجمه مقاله بر اساس تعداد کلمات مقاله انگلیسی محاسبه می شود.

این مقاله شامل 8076 کلمه می باشد.

هزینه ترجمه مقاله توسط مترجمان با تجربه، طبق جدول زیر محاسبه می شود:

شرح تعرفه ترجمه زمان تحویل جمع هزینه
ترجمه تخصصی - سرعت عادی هر کلمه 12 تومان 14 روز بعد از پرداخت 96,912 تومان
ترجمه تخصصی - سرعت فوری هر کلمه 24 تومان 7 روز بعد از پرداخت 193,824 تومان
پس از پرداخت، فوراً می توانید مقاله را دانلود فرمایید.