Оцінювання платоспроможності методами машинного навчання

Скорочена інформація про документ
dc.contributor.advisorТимошенко, Юрій Олександрович
dc.contributor.authorСкидан, Богдан Олегович
dc.date.accessioned2021-04-12T14:32:43Z
dc.date.available2021-04-12T14:32:43Z
dc.date.issued2020
dc.description.abstractenThe master's thesis:78 p., 24 tables, 36 fig., 1 add., 30 sources. The aim of this work are development of current methods for solvency forecasting of individuals, conduct modeling using machine learning methods, achieve results and complaining of main characteristics for different machine learning systems, and present the results. The object of the research is the solvency of individuals and different machine learning methods. The subject of the research is a database of transactions on loans to individuals and models for evaluation the creditworthiness of customers. The research describes general methods for creditworthiness forecasting used by various financial institutions. Also it consists methods of machine learning used for current modeling, general principles of data science, metrics for correct analysis of modeling results. The scientific novelty consists in the automation of credit decision-making by different methods of machine learning and comparison of results to choose the most suitable models for solving the current problem.uk
dc.description.abstractukМагістерська дисертація: 78 с., 24 табл., 36 рис., 1 дод., 31 джерел. Метою цього дослідження є вдосконалення існуючої методології оцінювання платоспроможності фізичних осіб, проведення моделювання методами машинного навчання, збір результатів та порівняння основних характеристик різних систем машинного навчання. Об’єктом дослідження є платоспроможність фізичних осіб та моделі машинного навчання. Предметом дослідження виступає база даних транзакцій по кредитам фізичних осіб та моделі машинного навчання для оцінки кредитної платоспроможності клієнтів. В роботі описано загальні методи для оцінки кредитної платоспроможності, які використовують різні фінансові установи. Також наведено методи машинного навчання, які було застосовано для проведення моделювання, загальні принципи роботи з даними, метрики для коректного аналізу результатів роботи моделей. Наукова новизна полягає у автоматизації прийняття кредитних рішень за допомогою різних методів машинного навчання та порівняння результатів для виявлення найбільш придатних моделей для розв’язання поставленої задачі.uk
dc.format.page82 с.uk
dc.identifier.citationСкидан, Б. О. Оцінювання платоспроможності методами машинного навчання : магістерська дис. : 122 Комп'ютерні науки / Скидан Богдан Олегович. – Київ, 2020. – 82 с.uk
dc.identifier.urihttps://ela.kpi.ua/handle/123456789/40537
dc.language.isoukuk
dc.publisherКПІ ім. Ігоря Сікорськогоuk
dc.publisher.placeКиївuk
dc.subjectмашинне навчанняuk
dc.subjectвипадковий лісuk
dc.subjectлогістична регресіяuk
dc.subjectоцінка платоспроможностіuk
dc.subjectметод опорних векторівuk
dc.subjectmachine learninguk
dc.subjectrandom forestuk
dc.subjectlogistic regressionuk
dc.subjectsolvency forecastuk
dc.subjectsupport vector machineuk
dc.subject.udc004.855.5:519.876.2uk
dc.titleОцінювання платоспроможності методами машинного навчанняuk
dc.typeMaster Thesisuk

Файли

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

Зібрання

Магістерські роботи (ММСА)
Магістерські роботи