|
| Συλλογές |
|
| Τίτλος |
Αλγόριθμοι μηχανικής μάθησης σε προβλήματα πιστοληπτικής αξιολόγησης
|
| Εναλλακτικός τίτλος |
Machine learning algorithms for credit scoring problems
|
| Δημιουργός |
Δρόσου, Μαρία-Κανέλλα
|
| Συντελεστής |
Παπαγιάννης, Γεώργιος
Οικονομικό Πανεπιστήμιο Αθηνών, Τμήμα Στατιστικής
Γιαννακόπουλος, Αθανάσιος
Λάππας, Παντελής
|
| Τύπος |
Text
|
| Φυσική περιγραφή |
86σ.
|
| Γλώσσα |
el
|
| Αναγνωριστικό |
http://www.pyxida.aueb.gr/index.php?op=view_object&object_id=9814
|
| Περίληψη |
This thesis aims at suggesting several machine learning algorithms for solving credit scoring problems in the banking sector. Particularly, the main objective is to classifycustomers into «bad» and «good» ones according to their probability of default.
Η παρούσα διπλωματική εργασία εστιάζει στη χρήση διαφόρων αλγορίθμων μηχανικής μάθησης (machine learning algorithms) για την επίλυση προβλημάτων πιστοληπτικής αξιολόγησης (credit scoring) πελατών της τραπεζικής αγοράς. Ειδικότερα, στοχεύει στην πιστοληπτική κατάταξη των πελατών σε «κακούς» ή «καλούς» ως προς την προβλεπόμενη πιθανότητα αθέτησης ή μη των όρων των δανειακών τους υποχρεώσεων αντίστοιχα.
|
| Λέξη κλειδί |
Πιστοληπτική αξιολόγηση
Machine learning algorithms
Logistic regression
Neural Networks (NN)
Credit scoring
Νευρωνικά δίκτυα
Λογιστική παλινδρόμηση
Αλγόριθμοι μηχανικής μάθησης
|
| Διαθέσιμο από |
2022-10-29 19:23:00
|
| Ημερομηνία έκδοσης |
30-08-2022
|
| Ημερομηνία κατάθεσης |
2022-10-29 19:23:00
|
| Δικαιώματα χρήσης |
Free access
|
| Άδεια χρήσης |
https://creativecommons.org/licenses/by/4.0/
|