ارایه یک مدل برای کاهش نویز جهت رتبه بندی اعتباری مشتریان بانک ها

با گسترش روز افزون فنآوری اطلاعات، صنعت بانکداری یکی از پیشگامان صنایع در استفاده ازفنآوری ها است. در طی سالهای گذشته مطالبات معوق بانک های کشور افزایش یافته و حجم قابلتوجهی را به وجود آورده است. جذب انبوهی از سپرده ها و لزوم پرداخت سود به آن، گردش پول رامی طلبد. لذا در این زمان محدودیتهای بانک در پرداخت تسهیلات کمتر شده و روسای بانک ها باآزادی عمل بیشتری تسهیلات پرداخت خواهند کرد. داده کاوی و اعتبار سنجی مشتریان یک روشبرای کاهش ریسک مطالبات معوق و شناخت هر چه بهتر مشتریان است. روش های داده کاویکاربردهای بی شماری در سنجش اعتبار مشتریان در حوزه ی بانکداری دارد. یکی از مشهورترینتکنیک های داده کاوی، روش طبقه بندی است. در پژوهش های مختلف از روش های متعددی جهتداده کاوی و اعتبار سنجی مشتریان بهره گرفته شده، برخی الگوریتم ها نظیر نایو بیز، رگرسیون منطقی،بخش بندی بازگشتی، شبکه های عصبی مصنوعی و بهینه سازی کمینه ی متوالی در پژوهش هایمتعددی استفاده شده است. پژوهش پیش رو، یک مدل داده کاوی ترکیبی با انتخاب ویژگی والگوریتم های طبقه بندی یادگیری ماشین بردار پشتیبان را بر مبنای دو مرحله بسط و گسترش داده است.در ابتدا طرح پیشنهادی، یک مجموعه داده بهینه از ویژگی های مورد نیاز و رویکردی برای حذفنویز ارایه داده، سپس مدل را توسط الگوریتم یادگیری عرضه می نماید در نهایت عملکرد، مدل ایجادشده بر روی دادههای تست اعمال شده و مورد ارزیابی قرار می گیرد.

کلیدواژه ها:

ماشین بردار پشتیبان ، اعتبارسنجی اعتباری ، الگوریتم ژنتیک ، طبقه بندی