كنفرانس بين المللی مهندسی صنايع و سيستم ها

صفحه اصلی / دهمین كنفرانس بين المللی مهندسی صنايع و سيستم ها

Enhancing Credit Risk Assessment Using Bagging of Machine Learning Models

نویسندگان :

Nima Mahmoodian¹ Reza Ghasemi Yaghin²

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

Determinants of Option Pricing Errors: Evidence from Tehran Derivatives Market

Danial Mohammadi - Emran Mohammadi - Zhina Nanvay Savojbolaghi

طراحی زنجیره تامین پایدار جهت مواد غذایی فسادپذیر مبتنی بر زمان تولید و تحویل

مهدیه شکوری - فرناز برزین‌پور

بهینه سازی استوار داده-محور در مسئله خودبرنامه ریزی تولیدکنندگان برق

امیرحسین همت یار - شاهرخ اسدی - میرسامان پیشوایی

کاربرد روش فرآیند مدیریت خطرات و اثرات آن‌ها در مدیریت ریسک‌های حوزه بهداشت، ایمنی و محیط زیست: مطالعه موردی شرکت معدنی و صنعتی گل‌گهر سیرجان

رضا فتاحی - علی صفاری دربرزی

مدل مکان‌یابی هاب تک‌تخصیصه با رویکرد دو هدفه سناریو محور: طراحی شبکه مقاوم در برابر عدم‌قطعیت در مکان هاب با امکان ارسال مستقیم

المان دمرچی - فرید ممیزی - کامیار صبری لقائی

Designing a multi-period, multi-product MILP model with inventory and shortage system to optimize the product mix (case study: one of the four major lubricant manufacturing companies in Iran)

Mohammad Reza Nemati - Mehrdad Kargari - Ehsan Nikbakhsh

تخصیص بهینه نیروی انسانی واحد های اتفاقات و عملیات شرکت توزیع نیروی برق استان خراسان رضوی

فرنوش حقیقی - محمد حسین مقدسان

مقاله مروری: بهینه سازی تعمیر و نگهداری خطوط لوله بر مبنای پیش بینی خوردگی

سعید صباغ کلات - محبوبه هنرور - علی یگانه

A Hurst exponent analysis approach for investigation of market efficiency during COVID-19 pandemic: A case study from top affected economies

Milad Kamali Alamdari - Ehsan Hajizadeh - Ali Fereydooni

اولویت‌بندی ریسک‌های پیاده‌سازی ERP با رویکرد تحلیل پوششی داده های امکانی

حسین صیادی تورانلو - لیلا خیری - ریحانه حفیظی اتابک

بیشتر

ثمین همایش، سامانه مدیریت کنفرانس ها و جشنواره ها - نگارش 42.7.0