ارائه مدل جهت تشخیص پروژه های موفق یا شکست خورده جمع سپاری مالی با استفاده از تکنیک های یادگیری ماشین

جمع سپاری مالی یکی از روش های نوین تامین مالی است که در آن با اشتراک گذاری جزییات کسب و کار و یا هر پروژه ای که نیاز به تامین مالی دارد در یک پلتفرم اینترنتی، سرمایه ی مورد نیاز از طریق افراد مختلف جذب می گردد. پیش بینی موفقیت یا شکست یک پروژه ی جمع سپاری مالی می تواند به سرمایه گذاران و سرمایه پذیران در تصمیم گیری های مالی خود کمک نماید. بدین منظور در این مقاله، مدلی مبتنی بر داده کاوی جهت پیش بینی موفقیت یا شکست پروژه های جمع سپاری مالی ایرانی ارائه شده است. در روش پیشنهادی ابتدا ویژگی های موثر بر موفقیت یا شکست پروژه ها با مرور ادبیات استخراج گردیده است و سپس سه الگوریتم ECFS، inf-FS و فیشر جهت انتخاب ویژگی ها مورد مقایسه قرار گرفته است. سپس چهار الگوریتم آدابوست.ام1، لاجیت بوست، جنگل تصادفی و شبکه عصبی پرسپترون چند لایه برای طبقه بندی و تشکیل مدل پیش بینی مورد مقایسه قرار گرفته است. مدل های مذکور برای 747 پروژه ی جمع سپاری با 12 ویژگی، اجرا شده است. نتایج نشان داده است که مدل inf-FS دقت بیشتری را نسبت به مدل های رقیب داشته است. همچنین دقت الگوریتم شبکه عصبی پرسپترون چندلایه نسبت به سایر مدل های طبقه بندی بالاتر بوده است.

کلیدواژه ها:

جمع سپاری مالی ، یادگیری ماشین ، انتخاب ویژگی ، طبقه بندی