Porównanie i ocena wybranych metod klasyfikacji kredytów indywidualnych

• Autorzy: Mariola Chrzanowska

Warianty tytułu

The Comparison and Evaluation of Selected Methods of Individual Credit Classification

• Języki publikacji: PL

Abstrakty

W opracowaniu przedstawiono wyniki klasyfikacji kredytów przeprowadzonej na podstawie danych rzeczywistych uzyskanych w pewnym banku. Do badań wykorzystano modele klasyfikacyjne skonstruowane na bazie zagregowanych drzew decyzyjnych oraz sztucznych sieci neuronowych. Eksperyment przeprowadzono w pięciu seriach dla każdej z wykorzystanych metod. Dla każdej z serii wylosowano zbiór, który następnie podzielono na 10 części. Zbiór testowy stanowił kolejne 10% badanego zbioru. Celem artykułu jest porównanie efektywności wykorzystanych metod w przypadku, gdy struktura zbioru testowego jest zmienna w każdym etapie.(abstrakt oryginalny)

EN

In this paper I present the results of credit classification based on real data obtained from a bank. In this research several classification models were used. These models were constructed based on ensemble classification and artificial neural networks. The experiment was conducted in five series for each classification method. In each series a set was randomized and then divided into ten parts. Testing sets comprised 10% of the analyzed set. The aim of the investigation is to compare the effectiveness of classification methods when the structure of the testing sets changes at every stage. (original abstract)

Słowa kluczowe

PL

Kredyt hipoteczny; Metody klasyfikacyjne; Drzewa klasyfikacyjne; Sztuczne sieci neuronowe (SSN); Eksperyment badawczy; Drzewo decyzyjne

EN

Mortgage credit; Classification methods; Classification trees; Artificial neural networks (ANN); Scientific experiment; Decision tree

• Czasopismo: Prace Naukowe Uniwersytetu Ekonomicznego we Wrocławiu. Taksonomia
• Rocznik: 2010
• Tom: 17
• Numer: nr 107 Klasyfikacja i analiza danych - teoria i zastosowania
• Strony: 501--507

Twórcy

autor

Mariola Chrzanowska

• Szkoła Główna Gospodarstwa Wiejskiego w Warszawie

Bibliografia

• Angelini E., Tollo G., Roli A., A neural network approach for credit risk evaluation, "The Quarterly Review of Economics and Finance" 2008, vol. 48, Issue 4.
• Breiman L., Bagging predictors, "Machine Learning" 1996 nr 26.
• Chrzanowska M., Alfaro E.A., Witkowska D., The individual borrowers recognition: single and ensemble trees, "Expert System with Applications" 2009, vol. 36.
• Chrzanowska M., Witkowska D., Analiza efektywności klasyfikacji kredytobiorców uzyskanej zagregowanymi drzewami klasyfikacyjnymi dla prób o różnej strukturze, Taksonomia 15, Prace Naukowe Uniwersytetu Ekonomicznego we Wrocławiu, UE, Wrocław 2008.
• Chrzanowska M., Witkowska D., Drzewa klasyfikacyjne w rozpoznawaniu kredytobiorców, [w:] Metody ilościowe w badaniach ekonomicznych, Wydawnictwo SGGW, Warszawa 2007.
• Crook J., Edelman D., Thomas L., Recent developments in consumer credit risk assessment, "European Journal of Operational Research" 2007 vol. 132.
• Demsar J., Statistical comparisons of classifiers over multiple data sets, "Journal of Machine Learning Research" 2006 nr 7.
• Dietterich T.G., Ensemble methods in machine learning, "Multiple Classifier Systems" 2000 vol. 1857.
• Domański Cz., Pruska К., Nieklasyczne metody statystyczne, Państwowe Wydawnictwo Ekonomiczne, Warszawa 2000.
• Freund Y., Schapire R.E., A Decision-Theoretic Generalization of on-line learning and an application to boosting, "Journal of Computer and System Sciences" 55/1997.
• Gatnar E., Walesiak M. (red.), Metody statystycznej analizy wielowymiarowej w badaniach marketingowych, AE, Wrocław 2004.
• Walesiak M., Gatnar E. (red), Statystyczna analiza danych z wykorzystaniem programu R, Wydawnictwo Naukowe PWN, Warszawa 2009.
• Witkowska D., Sztuczne sieci neuronowe i metody statystyczne. Wybrane zagadnienia, C.H. Beck, Warszawa 2002.