Classification précise des scores de crédit à l'aide d'Ensemble GradientBoost

L'industrie du cr?dit s'est d?velopp?e tr?s rapidement presque partout dans le monde. L'octroi de cr?dits est consid?r? comme une activit? commerciale qui g?n?re des b?n?fices pour les banques et autres institutions financi?res. Cependant, les cr?dits peuvent ?galement ?tre une source de risque de perte. La r?cente crise financi?re a attir? l'attention des banques et des autres institutions financi?res sur le risque de cr?dit. C'est pourquoi le Comit? de B?le a demand? ? toutes les banques et institutions financi?res de mettre en oeuvre un syst?me de notation de cr?dit pour les aider ? estimer le niveau de risque de cr?dit. La m?thode de notation de cr?dit a ?t? d?velopp?e pour s?lectionner un meilleur mod?le de pr?diction du risque de cr?dit. Les m?thodes d'exploration de donn?es sont sup?rieures aux m?thodes statistiques pour traiter les questions de Credit Scoring, en particulier pour les relations non lin?aires entre les variables. En combinant la m?thode d'ensemble avec des m?thodes statistiques, il est prouv? que l'on peut atteindre un niveau de pr?cision plus ?lev? que la m?thode d'exploration de donn?es. Le processus de classification sera effectu? pour classer les emprunteurs potentiels en deux classes: les bons emprunteurs potentiels et les mauvais emprunteurs potentiels sur la base des caract?ristiques des emprunteurs potentiels en utilisant la m?thode d'ensemble GradientBoost.