Kredi risklerinde veri madenciliği sınıflandırma algoritmaları
Data mining classification algorithms in credit risk
- Tez No: 465358
- Danışmanlar: DOÇ. DR. DENİZ ÜNAL ÖZPALAMUTCU
- Tez Türü: Yüksek Lisans
- Konular: İstatistik, Statistics
- Anahtar Kelimeler: Belirtilmemiş.
- Yıl: 2017
- Dil: Türkçe
- Üniversite: Çukurova Üniversitesi
- Enstitü: Fen Bilimleri Enstitüsü
- Ana Bilim Dalı: İstatistik Ana Bilim Dalı
- Bilim Dalı: Belirtilmemiş.
- Sayfa Sayısı: 90
Özet
Günümüzde büyük veri ve uygulamaları içinde barındırdığı bilgi boyutu nedeniyle oldukça önemlidir. Özellikle bankacılık ve sigortacılıkta, büyük veri analizleri, veri madenciliği analizleri, temerrüde düşme olasılığını hesaplamak için kullanılmaktadır. Bu çalışmada Türkiye İstatistik Kurumu'ndan alınan 14 değişken ve 22745 gözlemden oluşan veri kullanılmıştır. Bu çalışmanın amacı, bireylerin özelliklerine göre temerrüde düşme olasılıklarının belirlenmesini sağlayan en iyi sınıflandırma algoritmasını seçmektir. Sınıflandırma algoritmaları; Bayes ağları, Naive Bayes, J48, rastgele orman, çok katmanlı algılayıcı, lojistik regresyon; kök ortalama hata kareler, doğruluk, anma, duyarlılık, ROC alanı istatistikleriyle karşılaştırılmış ve en iyi sınıflandırma algoritması belirlenmiştir. Analizler için WEKA açık kaynak kodlu veri madenciliği yazılımı kullanılmıştır.
Özet (Çeviri)
Nowadays Big Data and its applications have become very important because of the size of the information it has contained. Especially, banking and insurance industries use big data analysis, data mining analysis, to determine the default risk. In this study, the data which was taken from Turkish Statistical Institution, containing 22745 instances and 14 attributes, was used. The purpose of this study is to select classification algorithm that can help to determine default risk of individuals according to their characteristics. Bayes Network, Naive Bayes, Logistic Regression, J48, Random Forest, Multi Layer Perceptron classification algorithms were selected and compared by using accuracy, root mean squared error, Roc curve , recall, and precision statistics and the best classification algorithm was determined. To do analysis WEKA an open source data mining program was used.
Benzer Tezler
- Sermaye piyasalarında veri madenciliği uygulamaları: Borsa İstanbul örneği
Data mining applications in capital markets: The example of Borsa Istanbul
SABAHATTİN NUR
Yüksek Lisans
Türkçe
2024
Ekonomiİskenderun Teknik ÜniversitesiEkonomi Finans Ana Bilim Dalı
DR. ÖĞR. ÜYESİ SAMİYE EKİM DERTLİ
- Kredi skorlama süreçlerinde veri madenciliği ve bankacılık sektöründe bir uygulama
Data mining implementaion in credit scoring processes and an aplication in banking sector
NİHAN GÜLSOY
Doktora
Türkçe
2019
Endüstri ve Endüstri MühendisliğiErciyes ÜniversitesiEndüstri Mühendisliği Ana Bilim Dalı
DOÇ. DR. SİNEM KULLUK
- Using predictive analytics methods for credit risk analysis
Başlık çevirisi yok
DENİZ YAVUZ
Yüksek Lisans
İngilizce
2020
BankacılıkYeditepe ÜniversitesiYönetim Bilişim Sistemleri Ana Bilim Dalı
DR. ÖĞR. ÜYESİ GÖKHAN ŞAHİN
- Ülkelerin uzun dönem kredi notlarının derecelendirilmesinde önemli değişkenlerin veri madenciliği teknikleri kullanılarak belirlenmesi
Determining the major variables of the countries' long term soverign credit ratings by using data mining techniques
HAYRETTİN İNAN ALTUNKAYA
- Makine öğrenmesi yöntemleri ile çevrimiçi kredi kartı işlemlerinde Fraud analizi tahmini
Fraud analysis prediction in online credit card transactions using machine learning methods
YASİN DİKBIYIK
Yüksek Lisans
Türkçe
2024
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolAltınbaş ÜniversitesiElektrik ve Bilgisayar Mühendisliği Ana Bilim Dalı
PROF. DR. OSMAN NURİ UÇAN