Tytuł
Client evaluation decision models in the credit scoring tasks
Autorzy
[ 1 ] Wydział Techniczny, Akademia im. Jakuba z Paradyża | [ P ] pracownik
Dyscyplina naukowa (Ustawa 2.0)
Rok publikacji
2020
Opublikowano w
Typ artykułu
artykuł naukowy / referat
Język publikacji
angielski
Słowa kluczowe
EN
- decision supportcredit scoringmachine learningclassificationfeature selection
Streszczenie
EN One of the important decision-making problems of modern financial institutions is credit scoring, which involves assessing credit risk. Decision-making models based on classifiers and feature selection methods that reduce the complexity of a decision problem by limiting the number of conditional attributes find use in such problems. The article examines the effectiveness of various combinations of classifiers and feature selection methods in the problem of credit risk assessment. The results of the conducted research indicate that for the considered set of data on cash loans granted, the Correlation-based Feature Selection method is the best method among the considered ones, and the Random Forest is the most effective classifier.
Data udostępnienia online
2020
Strony (od-do)
3301 - 3309
Typ licencji
CC BY-NC-ND (uznanie autorstwa - użycie niekomercyjne - bez utworów zależnych)
Tryb otwartego dostępu
otwarte czasopismo
Wersja tekstu w otwartym dostępie
ostateczna wersja opublikowana
Data udostępnienia
10.2020 (Data domniemana)
Czas udostępnienia publikacji w sposób otwarty
w momencie opublikowania
Punktacja Ministerstwa / czasopismo
5
Punktacja Ministerstwa / czasopismo w ewaluacji 2017-2021
5
Punktacja Ministerstwa / konferencja (CORE)
70
Ten serwis działa dzięki oprogramowaniu SINUS
opracowanemu przez Poznańskie Centrum Superkomputerowo-Sieciowe
Zaloguj się, aby dodać do SIN: