Genaue Klassifizierung der Kreditwürdigkeitsprüfung mit Ensemble GradientBoost

Das Kreditwesen hat sich fast erall auf der Welt sehr schnell entwickelt. Die Kreditvergabe wird als eine Gesch輎tst酹igkeit angesehen, die Banken und anderen Finanzinstituten Gewinne einbringt. Kredite k霵nen jedoch auch eine Quelle von Verlustrisiken sein. Die jgste Finanzkrise hat die Aufmerksamkeit von Banken und anderen Finanzinstituten auf das Kreditrisiko gelenkt. Daher hat der Basler Ausschuss alle Banken und Finanzinstitute aufgefordert, ein Kreditscoring-System einzufren, das bei der Einsch酹zung des Kreditrisikos hilft. Die Methode f das Kreditscoring wurde entwickelt, um ein besseres Modell f die Vorhersage des Kreditrisikos auszuw鄣len. Data-Mining-Methoden sind den statistischen Methoden im Umgang mit Kreditscoring-Problemen erlegen, insbesondere bei nichtlinearen Beziehungen zwischen Variablen. Durch das Flashen der Ensemble-Methode mit statistischen Methoden wird nachweislich eine h鐬ere Genauigkeit als mit der Data-Mining-Methode erreicht. Der Klassifizierungsprozess wird durchgefrt, um potenzielle Kreditnehmer in zwei Klassen einzuteilen: gute potenzielle Kreditnehmer und schlechte potenzielle Kreditnehmer, basierend auf den Merkmalen der potenziellen Kreditnehmer unter Verwendung der GradientBoost-Ensemble-Methode.