انتخاب و طبقه بندی الگوریتم های داده کاوی و ترکیب آن ها با یک دیگر با استفاده از مدل امتیاز دهی اعتباری

تکنیک هاي داده کاوي در حوزه بانکداري،از کاربردهاي متنوعی جهت امتیاز دهی اعتباري برخوردار اند. یکی از معروف ترین تکنیک هاي داده کاوي،روش طبقه بندي نام دارد.مطالعات پیشین نشان دادند استفاده از الگوریتم هاي انتخاب ویژگی ها و طبقه بندي کننده هاي گروهی سبب بهبود عملکرد بانک ها در مشکلات امتیاز دهی اعتباري می گردد.در این زمینه،موضوع اساسی،شبیه سازي و استفاده ترکیبی از این دو الگوریتم فوق جهت تعیین پارامترها و دستیابی به مدلی با عملکرد بالا،است . این مقاله به نحوه استفاده از استفاده از مدل ترکیبیِ داده کاويِ الگوریتم هاي انتخاب ویژگی و طبقه بندي کننده هاي یادگیريِ گروهی در امتیاز دهی اعتباري در 3 مرحله می همچون آنالیز مولفه هاي اساسی،الگوریتم ژنتیک، معیار ضریب بهره fs پردازد : 1)جمع آوري و پردازش داده ها 2)اجراء 4 الگوریتم با کمک الگوریتم طبقه بندي کننده ماشین بردار پشتیبان،به دقت fs اطلاعات و تابع ارزیابیِ صفات مهم.در این مرحله،پارامترهاي روش تعیین می شوند. پس از انتخاب مدلِ دقیق در هر ویژگی،باید از آن ها در الگوریتم هاي طبقه بندي کننده و مبناء استفاده نمود. در همراه با پارامترهاي تعیین شده اش جهت استفاده در مرحلهِ مدلسازي،استفاده خواهند شد. 3)اجراء fs مرحله فوق،بهترین الگوریتم نتایج مرحله 2،نشان می دهد که الگوریتم آنالیز مولفه .fs الگوریتم هاي طبقه بندي بر روي مجموعه داده هاي آماده شده براي هر الگوریتم از عملکردِ مطلوب تري برخوردار است نتایج طبقه بندي مرحله 3 نیز نشان می دهد روش آدابوست در شبکه fs هاي اساسی نسبت به عصبی مصنوعی از دقت طبقه بندي بسیار بالایی برخوردار است . در نهایت،مقاله حاضر به بررسیِ مدل ترکیبی به عنوان مدل عملیاتی و قدرتمندي جهت اجراء امتیاز دهی اعتباري اشاره خواهد داشت.

امتیاز دهی اعتباري،طبقه بندي،انتخاب ویژگی،یادگیري گروهی،داده کاوي