Застосування інструментів інтелектуального аналізу даних для класифікації кредитних заявок
Вантажиться...
Дата
2025
Автори
Науковий керівник
Назва журналу
Номер ISSN
Назва тому
Видавець
КПІ ім. Ігоря Сікорського
Анотація
Дипломна робота: 96 с., 23 рис., 6 табл., 2 додатки, 23 посилання.
Об’єкт дослідження – процес оцінювання кредитоспроможності клієнтів банку.
Предмет дослідження – моделі машинного навчання, що використовуються для автоматизованої оцінки фінансових ризиків.
Мета роботи – розробити програмний прототип, який дозволяє класифікувати позичальників за рівнем кредитоспроможності на основі історичних та поточних клієнтських даних.
У межах дипломного дослідження здійснено комплексний огляд актуальних підходів до оцінювання кредитоспроможності, серед яких розглянуто логістичну регресію, методи на основі дерев рішень, алгоритм випадкового лісу, градієнтний бустинг (XGBoost), а також ансамблеві стратегії, зокрема Stacking і Bagging. Описано етапи збору, очищення та обробки даних, зокрема кодування змінних, нормалізацію, обробку пропущених значень та балансування класів. На основі відкритого датасету побудовано кілька моделей, проведено їх навчання, валідацію та порівняльний аналіз за основними метриками якості класифікації (Accuracy, Precision, Recall, F1-score, AUC-ROC). Реалізовано прототип системи на Python з використанням бібліотек scikit-learn, XGBoost, pandas та matplotlib. Отримані результати дослідження засвідчують ефективність використання інтелектуальних моделей для підвищення точності та оперативності процесу кредитного аналізу.
Опис
Ключові слова
кредитоспроможність, скоринг, машинне навчання, логістична регресія, дерева рішень, xgboost, стекінг, фінансові ризики, класифікація
Бібліографічний опис
Ярмолаєва, Н. А. Застосування інструментів інтелектуального аналізу даних для класифікації кредитних заявок : дипломна робота … бакалавра : 124 Системний аналіз / Ярмолаєва Наталія Андріївна. – Київ, 2025. – 98 с.