Система прогнозування кредитного ризику на основі поєднання методів навчання з вчителем і без вчителя

Скорочена інформація про документ
dc.contributor.advisorНедашківська, Надія Іванівна
dc.contributor.authorТригуб, Артем Павлович
dc.date.accessioned2023-09-16T11:49:28Z
dc.date.available2023-09-16T11:49:28Z
dc.date.issued2023
dc.description.abstractДипломна робота: 99 ст., 10 табл., 23 рис., 1 додаток, 20 джерел. Об’єкт дослідження – задача оцінювання кредитного ризику та набір даних про позики з пірингової платформи. Предмет дослідження – застосування методів машинного навчання з вчителем для класифікації даних та їхнє поєднання з методами навчання без вчителя. Метою роботи є огляд існуючих методів побудови скорингових моделей та розробка системи для прогнозування кредитного ризику на основі поєднання алгоритмів класифікації та навчання без вчителя для покращення якості прогнозу. У роботі розглядається вплив застосування методів навчання без вчителя на етапі пошуку аномальних прикладів в навчальних даних та на етапі остаточного прогнозування в ансамблі. Результатом роботи є найкраща побудована модель, яка обрана на основі порівняння метрик якості та побудована на основі поєднання методів навчання з вчителем та без вчителя, для вирішення задачі оцінювання кредитного ризику на піринговій платформі.uk
dc.description.abstractotherThesis: 99 pages, 10 tables, 23 figures, 1 appendix, 20 sources. The object of research – credit risk assessment and P2P loans dataset. The subject of research – application of supervised machine learning methods for data classification and their integration with unsupervised machine learning methods. The purpose of the work is to consider existing methods for designing credit scoring models and developing credit risk forecasting system using integration of supervised and unsupervised machine learning methods to improve forecast quality. The paper considers the impact of applying unsupervised machine learning methods to detect outliers and for final prediction in the ensemble. The result of this work is the best considered model, chosen by comparison metric values with other models, which designed with integration of supervised and unsupervised machine learning methods to solve the credit risk assessment problem on a peer-to-peer platform.uk
dc.format.extent99 с.uk
dc.identifier.citationТригуб, А. П. Система прогнозування кредитного ризику на основі поєднання методів навчання з вчителем і без вчителя : дипломна робота ... бакалавра : 122 Комп'ютерні науки / Тригуб Артем Павлович. – Київ, 2023. – 99 с.uk
dc.identifier.urihttps://ela.kpi.ua/handle/123456789/60429
dc.language.isoukuk
dc.publisher.placeКиївuk
dc.subjectоцінювання кредитного ризикуuk
dc.subjectпірингові платформиuk
dc.subjectансамбліuk
dc.subjectпоєднання навчання з вчителем та без вчителяuk
dc.subjectстратегія консенсу somuk
dc.subjectаналіз викидів в данихuk
dc.subjectcredit risk forecatinguk
dc.subjectpeer-to peer platformuk
dc.subjectensemblesuk
dc.subjectintegration of supervised and unsupervised machine learning methodsuk
dc.subjectsom consensus modeluk
dc.subjectoutlier detectionuk
dc.titleСистема прогнозування кредитного ризику на основі поєднання методів навчання з вчителем і без вчителяuk
dc.typeBachelor Thesisuk

Файли

Контейнер файлів
Зараз показуємо 1 - 1 з 1
Ескіз
Назва:
Tryhub_bakalavr.pdf
Розмір:
1.92 MB
Формат:
Adobe Portable Document Format
Опис:
Завантажити
Ліцензійна угода
Зараз показуємо 1 - 1 з 1
Ескіз недоступний
Назва:
license.txt
Розмір:
9.1 KB
Формат:
Item-specific license agreed upon to submission
Опис:
Завантажити

Зібрання

Бакалаврські роботи (ШІ)
Бакалаврські роботи