Evaluation of stacking for predicting credit risk scores
Kredı̇ rı̇sk puanı tahmı̇nlemenı̇n yığınlama ı̇le değerlendı̇rı̇lmesı̇
- Tez No: 638217
- Danışmanlar: DR. ÖĞR. ÜYESİ CEYDA YAZICI
- Tez Türü: Yüksek Lisans
- Konular: İstatistik, İşletme, Statistics, Business Administration
- Anahtar Kelimeler: Kredi Puanlama, Makine Öğrenmesi, Yığınlama, Sınıflandırma, Temerrüt Olasılığı, Credit Scoring, Machine Learning, Stacking, Classification, Probability of Default
- Yıl: 2020
- Dil: İngilizce
- Üniversite: TED Üniversitesi
- Enstitü: Lisansüstü Programlar Enstitüsü
- Ana Bilim Dalı: Uygulamalı Veri Bilimi Bilim Dalı
- Bilim Dalı: Belirtilmemiş.
- Sayfa Sayısı: 88
Özet
Geçtiğimiz birkaç yılda, kredi puanlama finansal kurumları için artan bir ilgi görmeye başladı ve popüler bir araştırma konusu haline geldi. Bu çalışmanın amacı, kredi puanlamasının tahmin performansını artırmak için makine öğrenme tekniklerine dayalı bir topluluk sınıflandırma modeli oluşturmaktır. İlk olarak; Lojistik Regresyon, Çok Değişkenli Uyarlanabilir Regresyon Eğrileri, Destek Vektör Makinaları, Rassal Ormanlar, Eksrem Gradyan Arttırma temel sınıflandırıcılar olarak seçildi ve veri kümeleri modellendi. İkinci olarak, bu temel sınıflandırıcılar aracılığıyla oluşturulan bir topluluk yığınlama modeli entegre edildi. Bu model, tahmin performansını ve etkinliğini test etmek için dört adet gerçek kredi puanlama veri kümesine uygulandı. Temel sınıflandırıcı modellerin ve yığınlama modelinin performansını değerlendirmek için dört performans metriği seçildi. Sonuçlar, önerilen modelin, tek temel model sınıflandırıcılarından kısmen daha iyi performansa sahip olduğunu göstermiştir. Bu çalışma, önerilen modelin bir alternatif olabileceğini ve finansal kurumlar için etkili bir karar desteği sağlayabileceğini göstermektedir.
Özet (Çeviri)
Over the past few years, credit scoring has got an increasing attention for the financial institutions and has become a popular research topic. The purpose of this study is to construct an ensemble classification model based on the machine learning techniques to increase the prediction performance of credit scoring. First; Logistic Regression, Multivariate Adaptive Regression Splines, Support Vector Machines, Random Forest, Gradient Boosting are selected as base classifiers and fitted on the data sets. Second, a stacked generalization ensemble model is integrated through these base classifiers. The model is evaluated on four real-life credit scoring data sets to test its prediction performance and effectiveness. Four performance metrics are chosen to evaluate performance of single base models and stacking. The results demonstrated that the model has slightly better performance than the single base model classifiers in terms of different performance criteria. This study shows that this method can be an alternative and provide an effective decision support for the financial institutions.
Benzer Tezler
- Estimation of commercial building energy consumption with machine learning
Makine öğrenimi ile ticari bina enerji tüketimi tahmini
YOUSIF MURSHID MUHEALDDIN MUHEALDDIN
Yüksek Lisans
İngilizce
2023
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolÇankırı Karatekin ÜniversitesiElektrik ve Bilgisayar Mühendisliği Ana Bilim Dalı
PROF. DR. SELİM BUYRUKOĞLU
DR. ÖĞR. ÜYESİ MOHAMMED RASHAD BAKER BAKER
- Ortodontik tedavi öncesi hasta kooperasyonunun yapay zeka ile tahmini
Prediction of patient cooperation with artificial intelligence before orthodontic treatment
FARHAD SALMANPOUR
Diş Hekimliği Uzmanlık
Türkçe
2022
Diş HekimliğiAfyonkarahisar Sağlık Bilimleri ÜniversitesiOrtodonti Ana Bilim Dalı
DOÇ. DR. HASAN CAMCI
- Machine and deep learning based analysis of tumors on FDG-PET images
FDG-PET görüntülerindeki tümörlerin makine ve derin öğrenme tabanlı analizi
OĞUZHAN AYYILDIZ
Doktora
İngilizce
2022
Elektrik ve Elektronik MühendisliğiAbdullah Gül ÜniversitesiElektrik ve Bilgisayar Mühendisliği Ana Bilim Dalı
PROF. DR. BÜLENT YILMAZ
- Design, analysis and verification of conventional and non-conventional cylindrical cfrp composite shell with optimized cutout under the effect of combined loading
Üzerinde kesitler olan geleneksel ve geleneksel olmayan silindirik karbon fiber kompozit polimer kabuğun bileşik yükleme altında tasarım, analiz ve doğrulanması
MANSUR ÇELEBİ
Doktora
İngilizce
2017
Uçak Mühendisliğiİstanbul Teknik ÜniversitesiUçak ve Uzay Mühendisliği Ana Bilim Dalı
PROF. DR. HALİT SÜLEYMAN TÜRKMEN
PROF. DR. ZAFER GÜRDAL
- Topluluk öğrenme yöntemleri ile hanehalkı toplam enerji harcamalarının tahmin edilmesi
Prediction of household total energy expenditure with ensemble learning methods
ESMA KESRİKLİOĞLU
Doktora
Türkçe
2022
EkonometriAtatürk ÜniversitesiEkonometri Ana Bilim Dalı
PROF. DR. ERKAN OKTAY
DOÇ. DR. ABDULKERİM KARAASLAN