文献

J-GLOBAL ID：201802228936127375   整理番号：18A0621993

ソフト確率を用いたクレジットスコアリングのための動的アンサンブル分類【Powered by NICT】

Dynamic ensemble classification for credit scoring using soft probability

著者 (5件)： Feng Xiaodong (School of Economics and Business Administration, Chongqing University, Chongqing 400044, PR China) ,  Xiao Zhi (School of Economics and Business Administration, Chongqing University, Chongqing 400044, PR China) ,  Zhong Bo (College of Mathematics and Statistics, Chongqing University, Chongqing 400044, PR China) ,  Qiu Jing (School of Economics and Business Administration, Chongqing University, Chongqing 400044, PR China) ,  Dong Yuanxiang (School of Management Science and Engineering, Shanxi University of Finance and Economics, Taiyuan, Shanxi 030006, PR China)
資料名： Applied Soft Computing  (Applied Soft Computing)
巻： 65  ページ： 139-151  発行年： 2018年 
JST資料番号： W2175A  ISSN： 1568-4946  資料種別： 逐次刊行物 (A)
記事区分： 原著論文  発行国： オランダ (NLD)  言語： 英語 (EN)

抄録/ポイント： 近年,分類アンサンブルまたは多重分類器システムはクレジットスコアリングに広く応用されている,個別分類器よりも有意に良好な性能を達成した。システムのこの群の重要な部分,選択的集合は研究の有望な分野である。しかし,分類器,金融機関のための高いリスクをもたらすを選択する際のそれらのいずれもがクレジットスコアリングのためのI型誤差およびII型誤差の相対コストを考慮していない。,以前の動的選択的アンサンブルは,通常,各試験サンプル検証セットにおける分類器の性能に基づいて動的にのための分類器を選択して組み合わせる,試験セットにおけるそれらの挙動。ギャップを埋めると限界を克服するために,ソフト確率に基づくクレジットスコアリングのための新しい動的アンサンブル分類法を提案した。この方法では,分類器を最初に分類能力と検証セットにおけるI型誤差およびII型誤差の相対的コストに基づいて選択した。選択された分類器を用いて,それらの分類結果に基づいて試験セットに対して異なる分類器を組み合わせるソフト確率を用いてデフォルトの区間確率を得た。提案した方法は十種の実世界データ集合と七性能指標を用いたクレジットスコアリングのための,五選択的集合を含む,幾つかの良く知られた個別分類器とアンサンブル分類法と比較した。これら分析と統計的検定により,実験結果は,ベンチマークモデルに対する予測性能を改善するために提案法の能力と効率を示した。Copyright 2018 Elsevier B.V., Amsterdam. All rights reserved. Translated from English into Japanese by JST.【Powered by NICT】

シソーラス用語： *金融機関

著者キーワード (5件)： クレジットスコアリング ,  動的アンサンブル分類 ,  選択的アンサンブル ,  ソフト確率 ,  機械学習

分類 (1件)： 人工知能  (JE08000Z)

タイトルに関連する用語 (4件)： ソフト ,  確率 ,  クレジットスコアリング ,  アンサンブル分類