دانلود مقاله ISI انگلیسی شماره 48594
عنوان فارسی مقاله

یک مقایسه تجربی از الگوریتم های طبقه بندی برای مجموعه داده های امتیازدهی اعتباری نامتوازن

کد مقاله سال انتشار مقاله انگلیسی ترجمه فارسی تعداد کلمات
48594 2012 8 صفحه PDF سفارش دهید محاسبه نشده
خرید مقاله
پس از پرداخت، فوراً می توانید مقاله را دانلود فرمایید.
عنوان انگلیسی
An experimental comparison of classification algorithms for imbalanced credit scoring data sets
منبع

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

Journal : Expert Systems with Applications, Volume 39, Issue 3, 15 February 2012, Pages 3446–3453

کلمات کلیدی
امتیازدهی اعتباری - مجموعه داده نامتوازن - تقسیم بندی - معیار
پیش نمایش مقاله
پیش نمایش مقاله یک مقایسه تجربی از الگوریتم های طبقه بندی برای مجموعه داده های امتیازدهی اعتباری نامتوازن

چکیده انگلیسی

The results from this empirical study indicate that the random forest and gradient boosting classifiers perform very well in a credit scoring context and are able to cope comparatively well with pronounced class imbalances in these data sets. We also found that, when faced with a large class imbalance, the C4.5 decision tree algorithm, quadratic discriminant analysis and k-nearest neighbours perform significantly worse than the best performing classifiers.

خرید مقاله
پس از پرداخت، فوراً می توانید مقاله را دانلود فرمایید.