Визначення позичальників кредитних установ за допомогою засобів штучного інтелекту
Вантажиться...
Дата
2024
Автори
Науковий керівник
Назва журналу
Номер ISSN
Назва тому
Видавець
КПІ ім. Ігоря Сікорського
Анотація
Дипломна робота: 103 с., 24 рис., 11 табл., 38 посилань, 1 додаток.
Мета дослідження: розробка моделі машинного навчання для оцінки
кредитоспроможності заявників, здатної прогнозувати ймовірність схвалення
кредитних заявок на основі аналізу історичних даних.
Об’єкт дослідження: процес оцінки кредитоспроможності заявників
фінансовими установами.
Предмет дослідження: використання методів машинного навчання для
прогнозування кредитоспроможності заявників.
Методи дослідження: заміна назв стовпчиків, обробка відсутніх значень
середніми значеннями для числових даних і модою для категоріальних даних,
нормалізація числових даних. Кодування категоріальних змінних методом One-
Hot Encoding. Аналіз даних включав побудову гістограм, кореляційний аналіз та
ROC-криві. В якості потенційних найкращих моделей розглядалися: логістична
регресія, випадковий ліс, градієнтний бустинг (XGBoost) та багатошаровий
перцептрон (MLP). Підбір гіперпараметрів за допомогою GridSearchCV.
Результати: модель градієнтного бустингу (XGBoost) показала найкращий
результат з AUC-ROC 0.91. Застосування системи дозволяє автоматизувати
оцінку кредитоспроможності, підвищуючи точність та швидкість прийняття
рішень, знижуючи ризики та покращуючи фінансові показники банків.
Опис
Ключові слова
кредитоспроможність, машинне навчання, штучний інтелект, класифікація, аналіз даних, моделі машинного навчання, оцінювання ризиків, логістична регресія, нейронні мережі, градієнтний бустинг, creditworthiness, machine learning, artificial intelligence, classification, data analysis, machine learning models, risk assessment, logistic regression, neural networks, gradient boosting
Бібліографічний опис
Гогуля, Н. Д. Визначення позичальників кредитних установ за допомогою засобів штучного інтелекту : дипломна робота ... бакалавра : 122 Комп'ютерні науки / Гогуля Нікіта Дмитрович. – Київ, 2024. – 103 с.