文献

J-GLOBAL ID：202202268001277243   整理番号：22A0551043

バギングアンサンブルを用いた信用スコアリングのための比較分析【JST・京大機械翻訳】

A comparison analysis for credit scoring using bagging ensembles

著者 (1件)： Luo Cuicui (Stockholm Business School, Stockholm University, Stockholm, Sweden)
資料名： Expert Systems  (Expert Systems)
巻： 39  号： 2  ページ： e12297  発行年： 2022年 
JST資料番号： T0510A  ISSN： 0266-4720  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： 本論文では,信用スコアリングのためのハイブリッドアプローチを提示し,この手法の分類性能を機械学習における4つのベース学習者と比較した。2006年から2016年までの期間をカバーする大きな信用デフォルトスワップデータセットを用いて,分類器を構築し,その性能を試験した。この経験的研究の結果は,バギングアンサンブル法が,ディシジョンツリー,多層パーセプトロン,およびk最近傍のような個々のベース学習者を大幅に改善できることを示している。サポートベクターマシンの性能はバギング集合を適用した後に変化しなかった。全体の結果は,クレジットスコアリングにおいて大きな不均衡データセットを扱うとき,k-最近傍が他の方法より適切であることを証明した。Copyright 2022 Wiley Publishing Japan K.K. All rights reserved. Translated from English into Japanese by JST.【JST・京大機械翻訳】

シソーラス用語： 分類 ,  人工知能 ,  ディシジョンツリー ,  *集合 ,  多層パーセプトロン ,  機械学習 ,  リスク評価 ,  サポートベクトルマシン
準シソーラス用語： 学習者 ,  *スコア化 ,  比較分析 ,  ビッグデータ ,  不均衡データセット ,  アンサンブル法 , 【Automatic Indexing@JST】

著者キーワード (4件)： 人工知能 ,  ビッグデータ ,  分類器アンサンブル ,  リスク評価

分類 (1件)： 人工知能  (JE08000Z)

タイトルに関連する用語 (3件)： 信用 ,  スコアリング ,  比較分析