دانلود مقاله ISI انگلیسی شماره 48626
ترجمه فارسی عنوان مقاله

ریسک اعتبار مصرف کننده: برآورد احتمال فردی با استفاده از یادگیری ماشین

عنوان انگلیسی
Consumer credit risk: Individual probability estimates using machine learning
کد مقاله سال انتشار تعداد صفحات مقاله انگلیسی ترجمه فارسی
48626 2013 7 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 5198 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 9 روز بعد از پرداخت 62,376 تومان
ترجمه تخصصی - سرعت فوری هر کلمه 24 تومان 5 روز بعد از پرداخت 124,752 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 40, Issue 13, 1 October 2013, Pages 5125–5131

ترجمه کلمات کلیدی
برآورد احتمالات - جنگل های تصادفی - اعتبارسنجی - ماشین آلات احتمال - رگرسیون لجستیک - یادگیری ماشین
کلمات کلیدی انگلیسی
Probability estimation; Random forest; Credit scoring; Probability machines; Logistic regression; Machine learning
پیش نمایش مقاله
پیش نمایش مقاله ریسک اعتبار مصرف کننده: برآورد احتمال فردی با استفاده از یادگیری ماشین

چکیده انگلیسی

Consumer credit scoring is often considered a classification task where clients receive either a good or a bad credit status. Default probabilities provide more detailed information about the creditworthiness of consumers, and they are usually estimated by logistic regression. Here, we present a general framework for estimating individual consumer credit risks by use of machine learning methods. Since a probability is an expected value, all nonparametric regression approaches which are consistent for the mean are consistent for the probability estimation problem. Among others, random forests (RF), k-nearest neighbors (kNN), and bagged k-nearest neighbors (bNN) belong to this class of consistent nonparametric regression approaches. We apply the machine learning methods and an optimized logistic regression to a large dataset of complete payment histories of short-termed installment credits. We demonstrate probability estimation in Random Jungle, an RF package written in C++ with a generalized framework for fast tree growing, probability estimation, and classification. We also describe an algorithm for tuning the terminal node size for probability estimation. We demonstrate that regression RF outperforms the optimized logistic regression model, kNN, and bNN on the test data of the short-term installment credits.

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 5198 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 9 روز بعد از پرداخت 62,376 تومان
ترجمه تخصصی - سرعت فوری هر کلمه 24 تومان 5 روز بعد از پرداخت 124,752 تومان
پس از پرداخت، فوراً می توانید مقاله را دانلود فرمایید.