انتخاب ویژگی های، داده کاوی و طبقه بندی ریسک مالی: یک مطالعه تطبیقی (مقایسه ای)

هدف از این مقاله مقایسه چندین مدل پیش بینی است که ترکیبی از تکنیک انتخاب ویژگی ها طبقه بندی داده کاوی در زمینه ارزیابی ریسک اعتباری ا ز نظ ر دقت ، حساسیت و ویژگی آماری است. آماره t، آماره Battacharrayia، آمار ویلکاکسون، آنتروپی نسبی، و الگوریتم های ژنتیک برای انتخاب ویژگی ها استفاده می شود. ویژگی های انتخاب شده برای طبقه بندی ماشین بردار پشتیبان (SVM)، شبکه عصبی پس انتشار، شبکه عصبی تابع پایه شعاعی، تجزیه و تحلیل تفکیک کننده خطی و طبقه بندی بیز استفاده می شود. نمایش نتایج : از سه مجموعه داده با استفاده از یک روش ارزیابی متقابل 10 سطحی روش اعتبار سنجی نشان داده شده است که SVM بهترین دقت تحت تمام ویژگی های تکنیک های انتخاب در این ، مطالعه برای هر سه مجموعه داده اتخاذ شده را فراهم می کند. از این رو، SVM از یک طبقه بندی در کاربردهای واقعی برای پیش بینی ورشکستگی مالی شرکت و مدیریت ریسک مالی در موسسات مالی استفاده می کند. . علاوه بر این، ما متوجه شدیم که نتایج ما بهتر از مطالعات قبلی بر روی مجموعه داده های یکسان هستند.