DSpace JSPUI
DSpace зберігає і дозволяє легкий і відкритий доступ до всіх видів цифрового контенту, включаючи текст, зображення, анімовані зображення, MPEG і набори даних
Дізнатися більше
Будь ласка, використовуйте цей ідентифікатор, щоб цитувати або посилатися на цей матеріал:
http://ir.nmu.org.ua/handle/123456789/166737Повний запис метаданих
| Поле DC | Значення | Мова |
|---|---|---|
| dc.contributor.author | Подвисоцький, Артем | - |
| dc.date.accessioned | 2024-04-26T06:50:43Z | - |
| dc.date.available | 2024-04-26T06:50:43Z | - |
| dc.date.issued | 2023-12 | - |
| dc.identifier.uri | http://ir.nmu.org.ua/handle/123456789/166737 | - |
| dc.description | В інформаційно-аналітичному розділі наведено визначення кредитного скорингу, описано основні алгоритми для вирішення задачі кредитного скорингу, проведено аналіз об’єкту дослідження, розглянуто послідовність препроцесінгу даних та методів вибору оптимального набору інформативних ознак. Описано можливості мови програмування Python для інтелектуального аналізу даних. У спеціальному розділі виконано аналіз та підготовку вихідних даних, створено модель алгоритму XGBoost та відібрано найбільш інформативні ознаки, проведено аналіз параметрів моделі та відібрано ті, що максимально покращують результати прогнозу; представлено результати розв’язку задачі кредитного скорингу. | uk_UA |
| dc.description.abstract | Об’єкт дослідження: анкетні дані споживачів кредитів для задачі кредитного скорингу. | uk_UA |
| dc.description.abstract | Економічний ефект від реалізації результатів дослідження очікується позитивним за рахунок використання суб’єктами господарювання алгоритму препроцесінгу даних та побудови релевантної моделі алгоритму машинного навчання XGBoost для оптимізації їх діяльності. | uk_UA |
| dc.description.abstract | Практична цінність роботи полягає у розробці детального алгоритму препроцесінгу даних, побудові релевантної моделі алгоритму машинного навчання XGBoost та дослідженні її на адекватність для ефективного прогнозу кредитоспроможності позичальників з метою зниження ризиків для банківської установи при видачі кредиту. | uk_UA |
| dc.language.iso | uk | uk_UA |
| dc.publisher | НТУ «ДП» | uk_UA |
| dc.subject | інтелектуальний аналіз | uk_UA |
| dc.subject | аналіз даних | uk_UA |
| dc.subject | класифікація | uk_UA |
| dc.title | Застосування інтелектуального аналізу даних для підвищення точності класифікації споживачів кредитних запозичень | uk_UA |
| dc.type | Learning Object | uk_UA |
| Розташовується у зібраннях: | 2023-2024 навчальний рік | |
Файли цього матеріалу:
| Файл | Опис | Розмір | Формат | |
|---|---|---|---|---|
| ПодвисоцькийА_маг124(2023).pdf | 2,05 MB | Adobe PDF | Переглянути/Відкрити |
Усі матеріали в архіві електронних ресурсів захищені авторським правом, всі права збережені.