دانلود مقاله ISI انگلیسی شماره 48703
عنوان فارسی مقاله

روش احتمالاتی و افتراقی انتخاب ویژگی عاقلانه گروهی برای تجزیه و تحلیل ریسک اعتباری

کد مقاله سال انتشار مقاله انگلیسی ترجمه فارسی تعداد کلمات
48703 2012 9 صفحه PDF سفارش دهید محاسبه نشده
خرید مقاله
پس از پرداخت، فوراً می توانید مقاله را دانلود فرمایید.
عنوان انگلیسی
Probabilistic and discriminative group-wise feature selection methods for credit risk analysis
منبع

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

Journal : Expert Systems with Applications, Volume 39, Issue 14, 15 October 2012, Pages 11709–11717

کلمات کلیدی
تجزیه و تحلیل ریسک اعتباری - انتخاب ویژگی - طبقه بندی پروبیت - آموزش هسته های متعدد -
پیش نمایش مقاله
پیش نمایش مقاله روش احتمالاتی و افتراقی انتخاب ویژگی عاقلانه گروهی برای تجزیه و تحلیل ریسک اعتباری

چکیده انگلیسی

Many financial organizations such as banks and retailers use computational credit risk analysis (CRA) tools heavily due to recent financial crises and more strict regulations. This strategy enables them to manage their financial and operational risks within the pool of financial institutes. Machine learning algorithms especially binary classifiers are very popular for that purpose. In real-life applications such as CRA, feature selection algorithms are used to decrease data acquisition cost and to increase interpretability of the decision process. Using feature selection methods directly on CRA data sets may not help due to categorical variables such as marital status. Such features are usually are converted into binary features using 1-of-k encoding and eliminating a subset of features from a group does not help in terms of data collection cost or interpretability. In this study, we propose to use the probit classifier with a proper prior structure and multiple kernel learning with a proper kernel construction procedure to perform group-wise feature selection (i.e., eliminating a group of features together if they are not helpful). Experiments on two standard CRA data sets show the validity and effectiveness of the proposed binary classification algorithm variants.

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