• A
  • A
  • A
  • АБВ
  • АБВ
  • АБВ
  • А
  • А
  • А
  • А
  • А
Обычная версия сайта
ФИО студента
Название работы
Руководитель
Факультет
Программа
Оценка
Год защиты
Умилин Семен Олегович
Оценка платежеспособности заемщика с помощью методов машинного обучения
7
2015
В моей дипломной работе были проанализированы два наиболее распространенных алгоритма кредитного скоринга банков, использующихся для оценки платежеспособности заемщика: нейросетевой и логистической регрессии. На основе изученных теоретических материалов была выдвинута гипотеза о том, что метод нейронной сети является более эффективным, чем метод логистической регрессии. Мною было создано приложение на языке программирования PHP, реализующее оба этих метода для эмпирической проверки выдвинутой гипотезы. Данное приложение является универсальным бинарным классификатором и может применяться в разных классах задач, где требуется разделись респондентов на два класса, например, в медицине, геологии, компьютерном анализе и т.д. Кроме этого, в разработанной программе реализована возможность изменения подаваемой выборки. Оба алгоритма изначально “обучались” на тренировочных данных, которые представляют из себя кредитную историю заемщиков. В процессе обучения алгоритмы корректировались для достижения максимальной прогностической точности и минимизации времени работы. После обучения эффективность алгоритмов сравнивалась на результатах работы с тестовыми данными. Тестовые данные представляют из себя обезличенные набор кредитных историй респондентов, представленных по критериям. Результатом работы алгоритма являлись получение значения предсказательной точности алгоритма и времени его работы. В результате проверки было выявлено, что нейросетевой метод и метод логистической регрессии оценки платежеспособности заемщика имеют одинаковую предсказательную силу, но нейронная сеть выдает результат значительно быстрее, чем регрессионный метод. Данный вывод имеет большое практическое и теоретическое значения, так как при анализе и обработке большого объема данных скорость работы алгоритма имеет очень большое значение.
Текст работы (работа добавлена 3 июня 2015г.)

Выпускные квалификационные работы (ВКР) в НИУ ВШЭ выполняют все студенты в соответствии с университетским Положением и Правилами, определенными каждой образовательной программой.

Аннотации всех ВКР в обязательном порядке публикуются в свободном доступе на корпоративном портале НИУ ВШЭ.

Полный текст ВКР размещается в свободном доступе на портале НИУ ВШЭ только при наличии согласия студента – автора (правообладателя) работы либо, в случае выполнения работы коллективом студентов, при наличии согласия всех соавторов (правообладателей) работы. ВКР после размещения на портале НИУ ВШЭ приобретает статус электронной публикации.

ВКР являются объектами авторских прав, на их использование распространяются ограничения, предусмотренные законодательством Российской Федерации об интеллектуальной собственности.

В случае использования ВКР, в том числе путем цитирования, указание имени автора и источника заимствования обязательно.

Расширенный поиск ВКР