Выбор моделей машинного обучения для внедрения системы оценки кредитоспособности клиентов банка : магистерская диссертация / Selection of machine learning models for the implementation of the bank's customer creditworthiness assessment system

Description

В работе сравниваются алгоритмы машинного обучения для задачи оценки вероятности дефолта заёмщика и применяются методы интерпретации локальных предсказаний. / The paper compares machine learning algorithms for the problem of estimating the probability of borrower default, and applies methods for interpreting local predictions.

Links & Downloads

1. Зайцев, А. В. Выбор моделей машинного обучения для внедрения системы оценки кредитоспособности клиентов банка : магистерская диссертация / А. В. Зайцев ; Уральский федеральный университет имени первого Президента России Б. Н. Ельцина, Институт радиоэлектроники и информационных технологий-РТФ, Кафедра информационных технологий и систем управления. — Екатеринбург, 2024. — 70 с. — Библиогр.: с. 68-70 (22 назв.).
2. http://elar.urfu.ru/handle/10995/140505

Tags

MASTER'S THESIS

CREDIT SCORING

CREDIT RISK

BORROWER DEFAULT

MACHINE LEARNING

BINARY CLASSIFICATION

LOGISTIC REGRESSION

RANDOM FOREST

GRADIENT BOUSTING

LIME

SHAP

КРЕДИТНЫЙ СКОРИНГ

КРЕДИТНЫЕ РИСКИ

ДЕФОЛТ ЗАЁМЩИКА

МАШИННОЕ ОБУЧЕНИЕ

СЛУЧАЙНЫЙ ЛЕС

ГРАДИЕНТНЫЙ БУСТИНГ

LIME

SHAP

Additional Fields

Identifer	oai:union.ndltd.org:urfu.ru/oai:elar.urfu.ru:10995/140505
Date	January 2024
Creators	Зайцев, А. В., Zaitsev, A. V.
Contributors	Коломыцева, А. О., Kolomytseva, A. O., УрФУ. Институт радиоэлектроники и информационных технологий-РТФ, Кафедра информационных технологий и систем управления
Publisher	б. и.
Source Sets	Ural Federal University
Language	Russian
Detected Language	Russian
Type	Master's thesis, info:eu-repo/semantics/publishedVersion, info:eu-repo/semantics/masterThesis
Format	application/pdf
Rights	Предоставлено автором на условиях простой неисключительной лицензии, http://elar.urfu.ru/handle/10995/31613