دانلود مقاله ISI انگلیسی شماره 48687
عنوان فارسی مقاله

سیستم هیبریدی با الگوریتم ژنتیک و شبکه های عصبی مصنوعی و کاربرد آن در ارزیابی ریسک اعتباری خرده فروشی

کد مقاله سال انتشار مقاله انگلیسی ترجمه فارسی تعداد کلمات
48687 2012 13 صفحه PDF سفارش دهید محاسبه نشده
خرید مقاله
پس از پرداخت، فوراً می توانید مقاله را دانلود فرمایید.
عنوان انگلیسی
Hybrid system with genetic algorithm and artificial neural networks and its application to retail credit risk assessment
منبع

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

Journal : Expert Systems with Applications, Volume 39, Issue 16, 15 November 2012, Pages 12605–12617

کلمات کلیدی
تقسیم بندی - اعتبارسنجی - شبکه عصبی - الگوریتم ژنتیک - انتخاب ویژگی
پیش نمایش مقاله
پیش نمایش مقاله سیستم هیبریدی با الگوریتم ژنتیک و شبکه های عصبی مصنوعی و کاربرد آن در ارزیابی ریسک اعتباری خرده فروشی

چکیده انگلیسی

The databases of the banks around the world have accumulated large quantities of information about clients and their financial and payment history. These databases can be used for the credit risk assessment, but they are commonly high dimensional. Irrelevant features in a training dataset may produce less accurate results of classification analysis. Data preprocessing is required to prepare the data for classification to increase the predictive accuracy. Feature selection is a preprocessing technique commonly used on high dimensional data and its purposes include reducing dimensionality, removing irrelevant and redundant features, facilitating data understanding, reducing the amount of data needed for learning, improving predictive accuracy of algorithms, and increasing interpretability of models. In this paper we investigate the extent to which the total data, owned by a bank, can be a good basis for predicting the borrower’s ability to repay the loan on time. We propose a feature selection technique for finding an optimum feature subset that enhances the classification accuracy of neural network classifiers. Experiments were conducted on the credit dataset collected at a Croatian bank to assess the accuracy of our technique. We found that the hybrid system with genetic algorithm is competitive and can be used as feature selection technique to discover the most significant features in determining risk of default.

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