Анализ и оценка точности методов машинного обучения в прогнозировании дефолтного риска заемщиков - дипломная работа | ИСТИНА – Интеллектуальная Система Тематического Исследования НАукометрических данных

Научный руководитель: Миронов Андрей Михайлович
Автор: Виноградов Клим Николаевич
Тип: Специалист
Организация, в которой проходила защита: МГУ имени М.В. Ломоносова
Год защиты: 2025
Аннотация: Дипломная работа посвящена анализу и оценке точности методов машинного обучения в задаче прогнозирования дефолтного риска заемщиков. Решаемая в работе задача заключается в построении и сравнении моделей машинного обучения для точного предсказания вероятности дефолта на основе данных о кредитных заявках. Задача имеет практическую значимость, так как точная оценка кредитных рисков позволяет снизить финансовые потери организаций и повысить эффективность кредитной политики. В результате установлено, что методы градиентного бустинга LightGBM и XGBoost обеспечивают наивысшую точность прогнозирования; доказано, что добавление новых признаков и оптимизация гиперпараметров повышают предсказательную способность моделей; показано, что модели LightGBM и XGBoost сохраняют высокую точность при использовании различных подходов к предобработке данных; и выявлена высокая практическая применимость методов LightGBM и XGBoost в реальной оценке кредитных рисков
Добавил в систему: Миронов Андрей Михайлович

	ИСТИНА	Войти в систему Регистрация
	ИСТИНА ЦЭМИ РАН
	Главная Поиск Статистика О проекте Помощь

ИСТИНА

ИСТИНА ЦЭМИ РАН

Анализ и оценка точности методов машинного обучения в прогнозировании дефолтного риска заемщиковдипломная работа (Специалист)

Прикрепленные файлы