لطفا منتظر بمانید ...
0% Complete
صفحه اصلی
/
دهمین كنفرانس بين المللی مهندسی صنايع و سيستم ها
Enhancing Credit Risk Assessment Using Bagging of Machine Learning Models
نویسندگان :
Nima Mahmoodian
1
Reza Ghasemi Yaghin
2
1- دانشگاه صنعتی امیرکبیر (پلی‌تکنیک تهران)
2- دانشگاه صنعتی امیرکبیر (پلی‌تکنیک تهران)
کلمات کلیدی :
Credit score prediction،Bagging،Ensemble learning،Supervised learning،Machine learning،Sampling techniques
چکیده :
In today's highly competitive world, one of the major challenges for businesses is increasing sales. To achieve this, businesses adopt various strategies. One such strategy is offering credit payments. Credit payments are designed to alleviate the constraints customers face with immediate and cash payments. Not only does this method facilitate payment for customers, but it also increases the risk for businesses, as they face the possibility of non-repayment by the customer. This issue can be addressed using data-driven solutions and machine-learning techniques. Machine learning models can be trained using customer information, analyzing whether they have fully repaid their loans or defaulted, and subsequently predict whether a new customer will repay their credit. Essentially, this problem becomes a binary classification task. In this study, the Lending Club dataset is examined, and a pipeline for data cleaning and feature engineering based on a filter and, secondly, a wrapper method that uses a Random Forest classifier is proposed. Bagging models are then trained and tested using under-sampling and over-sampling techniques, and the performance of these models is compared with conventional models in the field of credit risk evaluation. It is observed that bagging machine learning models yield over 93% AUC score compared to 71% AUC score when these models are used individually.
لیست مقالات
لیست مقالات بایگانی شده
Improvement of bagging by increasing probabilistic classifiers’ confidence in prediction: A Case study of SAPCO Parts Supply Company
Shima Malekpour - Shahrokh Asadi
بررسی تاثیر هوش تجاری بر عملکرد مالی با تاکید بر مدیریت دانش در صنعت قطعه سازی خودرو شهر مشهد
عیسی یزدان شناس
از کلاس درس تا کارخانه واکاوی فرایند انتخاب رشته و شغل در بخش خصوصی صنعتی ایران
علیرضا توکلی - فاطمه قاسم زاده گِوَری - مهدی توکلی
چارچوب هیبریدی CWT-1D-CNN-SVM/SVR برای تشخیص و مکانیابی خطاهای امپدانس بالا در شبکههای توزیع فعال: مطالعه شبیهسازی روی شبکه 33 باسه IEEE
سید حجت رمضانی - سید مهدی سخائی
ارائه مدل یکپارچه در زنجیره تامین صنعت مبلمان و استخراج شاخص های ریسک (مطالعه موردی صنعت مبلمان استان همدان)
پریسا ملک مدنی - نفیسه سلیمانی
زمان‌بندی مجدد بارانداز عبوری به علت تاخیر در رسیدن کامیون‌های ورودی با در نظر گرفتن امکان تخلیه بار یک کامیون در چند مرحله
دکتر محمد مهدی نصیری - محبوبه محبوب - علی رهبری
پیشبینی عیار مس در فرایند ذوب فلش مجتمع مس سرچشمه با بهرهگیری از الگوریتمهای یادگیری جمعی
سارا شفیعی نژاد - یاسمن اسدی - محمدرضا نامجو - امیر ابراهیمی زاده
ارزیابی نقش متاورس در مدیریت شهر هوشمند با مدلسازی رفتاری، در حوزه‌های انرژی، سلامت، حمل‌و‌نقل و مطالعه موردی بازار انرژی محلی
زهرا ایران‌پور مبارکه - مهدی نوذریان - محمد غفوریان نصیری - علیرضا فریدونیان
توصیه گروهی عادلانه براساس تجمیع شبکه ترجیحات شرطی وزن‌‌دار
سوانا هاراطونیانس - فریا نصیری مفخّم - ناصر قاسم آقایی
شناسایی و اولویتبندی عوامل کلیدی مؤثر بر تابآوری زنجیره تأمین با استفاده از تکنیک آراس (مورد مطالعه: شرکتهای قطعهساز صنعت خودروسازی)
علی صفاری دربرزی - رضا فتاحی - سید مهدی مومنی
بیشتر
ثمین همایش، سامانه مدیریت کنفرانس ها و جشنواره ها - نگارش 44.9.3
