Binary classification in an imbalanced dataset: An application on credit customers of a Turkish bank
Dengesiz bir veri kümesinde ikili sınıflama: Bir Türk bankası kredi müşterileri üzerinde bir uygulama
- Tez No: 810733
- Danışmanlar: DR. ÖĞR. ÜYESİ TAMER UÇAR
- Tez Türü: Yüksek Lisans
- Konular: Bankacılık, Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrol, Banking, Computer Engineering and Computer Science and Control
- Anahtar Kelimeler: Belirtilmemiş.
- Yıl: 2023
- Dil: İngilizce
- Üniversite: Bahçeşehir Üniversitesi
- Enstitü: Lisansüstü Eğitim Enstitüsü
- Ana Bilim Dalı: Yaşam Boyu Öğrenme Ana Bilim Dalı
- Bilim Dalı: Büyük Veri Analitiği ve Yönetimi Bilim Dalı
- Sayfa Sayısı: 58
Özet
Kredi riski değerlendirmesi, kredi kuruluşları için büyük önem taşımakta ve birçok akademik çalışma, temerrüde düşme eğilimindeki müşterileri tahmin etmeyi amaçlamaktadır. Çalışmamızda, uzun vadeye odaklanmak yerine bir ay içinde gecikme yaşama ihtimali yüksek olan müşterileri tahmin etmek için yaygın sınıflandırma algoritmaları ile ikili sınıflandırma modelleri geliştirdik. Veri kümemizin oldukça dengesiz yapısı nedeniyle, makine öğrenmesi algoritmalarından önce SMOTE aşırı örnekleme tekniğini kullandık. Modeller üç farklı yaklaşımda karşılaştırılmıştır. Hem aşırı örnekleme hem de çapraz doğrulama kullanan gelişmiş yaklaşımımızda, NB dışındaki tüm modeller, kıyaslama değeri olan %90'dan daha yüksek doğruluk elde etti. Ayrıca AUC değerleri de %84 ile %95 arasında değişiyordu. Aşırı örnekleme yapılmadığında, NB dışındaki modellerin etkisiz olduğu görüldü. Son yaklaşımda, çapraz doğrulamanın atlanmasının sonuçlarda dikkate değer farklılıklara sebep olduğu görülmüş, çapraz doğrulamanın önemi anlaşılmıştır.
Özet (Çeviri)
Credit risk assessment is of great importance for credit institutions, and many academic studies aim to predict default-prone customers. In our study, we developed binary classification models with common classification algorithms that predict customers likely to experience delays within a month rather than focusing on the long term. Due to the highly imbalanced structure of our dataset, the SMOTE oversampling technique is employed before the machine learning algorithms. We compared the models in three different approaches. In our advanced approach using both oversampling and cross-validation, all models except NB achieved accuracy higher than our benchmark value of 90%. In addition, their AUC values ranged from 84% to 95%. However, when no oversampling was performed, the results showed that the models except NB proved to be ineffective. In the other approach, omitting crossvalidation led to remarkable differences in the results, highlighting the importance of cross-validation.
Benzer Tezler
- Havayolu yolculuk deneyimini iyileştirmek için makine öğrenmesi yöntemleriyle uçuş gecikmesi tahmini
Machine learning techniques for enhancing airline passenger experience through flight delay prediction
ESMA ERGÜN
Yüksek Lisans
Türkçe
2024
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrolİstanbul Teknik ÜniversitesiBilişim Uygulamaları Ana Bilim Dalı
DR. ÖĞR. ÜYESİ SÜHA TUNA
- IoT ağları için yeni bir saldırı tespit sistemi tasarımı
Design of a new intrusion detection system for IoT networks
TUĞBA ULUSOY
Yüksek Lisans
Türkçe
2025
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolSakarya ÜniversitesiBilgisayar ve Bilişim Mühendisliği Ana Bilim Dalı
PROF. DR. ÜNAL ÇAVUŞOĞLU
- Imbalanced learning techniques: Experiments on NCAA college basketball league player statistics dataset
Dengesiz veride öğrenme: NCAA kolej basketbol ligi oyuncu istatistikleri veri seti üzerinde uygulamalar
EMİR GÜLER
Yüksek Lisans
İngilizce
2022
İstatistikOrta Doğu Teknik Üniversitesiİstatistik Ana Bilim Dalı
PROF. DR. BARIŞ SÜRÜCÜ
- Exploiting clustering patterns in training sets to improve classification performance of fully connected layers
Tam bağlantılı katmanların sınıflandırma performansını iyileştirmek için eğitim setlerindeki kümeleme örüntülerinden faydalanma
TOLGA AHMET KALAYCI
Doktora
İngilizce
2023
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrolİstanbul Teknik ÜniversitesiEndüstri Mühendisliği Ana Bilim Dalı
DOÇ. DR. UMUT ASAN
- Sağlık verileri üzerinde makine öğrenmesi ile hastalık sınıflandırması: RNA-SEQ, Tiroid ve cilt kanseri uygulamaları
Disease classification on health data using machine learning: Applications on RNA-SEQ, Thyroid, and skin cancer
FERDİ GÜLER
Yüksek Lisans
Türkçe
2025
BiyoistatistikGiresun Üniversitesiİstatistik Ana Bilim Dalı
DOÇ. DR. MELİH AĞRAZ