Origin: U.S.A.
(Import costs included in the price)
It will be shipped from our warehouse between Thursday, July 25 and Thursday, August 01.
You will receive it anywhere in United Kingdom between 1 and 3 business days after shipment.
Classification précise des scores de crédit à l'aide d'Ensemble GradientBoost (in French)
Lawi, Armin
Synopsis "Classification précise des scores de crédit à l'aide d'Ensemble GradientBoost (in French)"
L'industrie du crédit s'est développée très rapidement presque partout dans le monde. L'octroi de crédits est considéré comme une activité commerciale qui génère des bénéfices pour les banques et autres institutions financières. Cependant, les crédits peuvent également être une source de risque de perte. La récente crise financière a attiré l'attention des banques et des autres institutions financières sur le risque de crédit. C'est pourquoi le Comité de Bâle a demandé à toutes les banques et institutions financières de mettre en oeuvre un système de notation de crédit pour les aider à estimer le niveau de risque de crédit. La méthode de notation de crédit a été développée pour sélectionner un meilleur modèle de prédiction du risque de crédit. Les méthodes d'exploration de données sont supérieures aux méthodes statistiques pour traiter les questions de Credit Scoring, en particulier pour les relations non linéaires entre les variables. En combinant la méthode d'ensemble avec des méthodes statistiques, il est prouvé que l'on peut atteindre un niveau de précision plus élevé que la méthode d'exploration de données. Le processus de classification sera effectué pour classer les emprunteurs potentiels en deux classes: les bons emprunteurs potentiels et les mauvais emprunteurs potentiels sur la base des caractéristiques des emprunteurs potentiels en utilisant la méthode d'ensemble GradientBoost.
