文献

J-GLOBAL ID：202002258855100019   整理番号：20A2616157

企業の信用異常検出のための一般化加法的ロジスティック回帰に基づく半教師付き学習分類【JST・京大機械翻訳】

Semi-Supervised Learning Classification Based on Generalized Additive Logistic Regression for Corporate Credit Anomaly Detection

著者 (1件)： Han Song (Information Institute, Beijing Wuzi University, Beijing, China)
資料名： IEEE Access  (IEEE Access)
巻： 8  ページ： 199060-199069  発行年： 2020年 
JST資料番号： W2422A  ISSN： 2169-3536  資料種別： 逐次刊行物 (A)
記事区分： 原著論文  発行国： アメリカ合衆国 (USA)  言語： 英語 (EN)

抄録/ポイント： 従来の企業の信用評価モデルは,主に教師つき学習法と組み合わせた金融変数のみに基づいている。しかし,教師つき学習法に必要なラベル付きサンプル情報の取得は,一般に,コストが高く,長いプロセスであり,従って,非財政的変数の導入は,より大きな診断範囲を提供することが期待される。本研究は,財政的および非財政的変数の両方を含むラベルなしサンプル情報の高い割合に基づく企業信用異常を検出するための半教師つき一般化付加ロジスティック回帰モデルを提案して,これらの問題に取り組んだ。モデルは,線形非分離問題に適応できるだけでなく,同時に,パラメータ推定と変数選択を実現すると同時に,ラベル付きとラベルなしサンプルの両方を用いて訓練できる。また,企業のデフォルトリスク評価の精度を高めるために,企業の信用異常のより正確な定義を開発した。モデルは,インターネット上で自由に利用可能な実際の財政的および非財政的企業データから成るデータセットを用いて訓練され,テストされ,他の最先端のモデルよりも,より良い精度とロバスト性で,より良い変数選択と信用異常予測を提供することが実証された。結果は,企業信用異常検出と相関する重要な金融変数を明らかにし,また,非財政変数がモデルの企業の信用異常予測精度を著しく改善することを検証した。Copyright 2020 The Institute of Electrical and Electronics Engineers, Inc. All rights reserved. Translated from English into Japanese by JST.【JST・京大機械翻訳】

シソーラス用語： 金融 ,  教師つき学習 ,  線形性 ,  パラメータ推定 ,  *加算 ,  ロバスト性 ,  インターネット ,  リスク評価
準シソーラス用語： *ロジスティック回帰分析 ,  予測精度 ,  異常検出 ,  *半教師つき学習 ,  ロジスティック回帰モデル ,  変数選択 , 【Automatic Indexing@JST】

分類 (2件)： 人工知能  (JE08000Z) ,  パターン認識  (JE07000S)

タイトルに関連する用語 (8件)： 企業 ,  信用 ,  異常検出 ,  一般化 ,  加法 ,  ロジスティック回帰 ,  半教師付き学習 ,  分類