文献

J-GLOBAL ID：202202269268454216   整理番号：22A0844705

1クラス分類駆動動的アンサンブル学習による信用スコアリング【JST・京大機械翻訳】

Credit scoring by one-class classification driven dynamical ensemble learning

著者 (5件)： Li Hao (Shanghai University of Finance and Economics, Shanghai, China) ,  Qiu Hao (Shanghai University of Finance and Economics, Shanghai, China) ,  Sun Shu (Shanghai University of Finance and Economics, Shanghai, China) ,  Chang Jun (Shanghai University of Finance and Economics, Shanghai, China) ,  Tu Wenting (Shanghai University of Finance and Economics, Shanghai, China)
資料名： Journal of the Operational Research Society  (Journal of the Operational Research Society)
巻： 73  号： 1  ページ： 181-190  発行年： 2022年 
JST資料番号： D0248A  ISSN： 0160-5682  資料種別： 逐次刊行物 (A)
記事区分： 原著論文  発行国： イギリス (GBR)  言語： 英語 (EN)

抄録/ポイント： ローンアプリケータの信用スコアを測定する能力に機械を付与することは非常に有用である。従来の方法論は,以前の信用検査を通過したクライアントからのデータ(すなわち,適切に信用され,ローンを採った)を用いて,常にCredit Scoring(CS)モデルを訓練する。しかし,良好なクレジットバックグラウンドを持つアプリケータからのデータで訓練されたCSモデルは,プレーンまたはあいまいな信用背景を持つ新しい応用者に対してうまく機能しないかもしれない。以前の研究は,常に拒絶推論と半教師つき学習の技術によってこれを軽減する。本論文では,「One-クラス分類駆動動的アンサンブル学習」(OCDDELと略称)と呼ばれる新しい方法を提案した。拒絶推論または半教師つき学習と異なり,OCDDELは過去の拒絶アプリケーションの推論ラベルを使用しない。代わりに,OCDDELは,過去の受け入れられた応用とそれらの真のラベルのみに依存する。それは,種々の方法で異なる試験応用を扱う動的アンサンブルモデルを構築する。特定のテストケースに対するアンサンブル重みを決定するために,OCDDELは訓練アプリケーションとの類似性に従ってグループへのテストアプリケーションを分離するために1クラス分類器を学習する。2つの実世界データセットによる実験的評価は,著者らのアプローチの有効性を実証した。Please refer to the publisher for the copyright holders. Translated from English into Japanese by JST.【JST・京大機械翻訳】

シソーラス用語： 学習 ,  データ ,  分類 ,  略語 ,  *信用 ,  応用プログラム ,  *集合 ,  類似性 ,  有効性 ,  曖昧さ ,  機械学習
準シソーラス用語： *アンサンブル学習 ,  *スコア化 ,  テストケース ,  半教師つき学習 ,  ワンクラス分類 , 【Automatic Indexing@JST】

著者キーワード (3件)： 信用スコアリング ,  機械学習 ,  アンサンブル学習

分類 (1件)： 人工知能  (JE08000Z)

タイトルに関連する用語 (4件)： 1クラス分類 ,  アンサンブル学習 ,  信用 ,  スコアリング