Genaue Klassifizierung der Kreditwürdigkeitsprüfung mit Ensemble GradientBoost

Das Kreditwesen hat sich fast ?berall auf der Welt sehr schnell entwickelt. Die Kreditvergabe wird als eine Gesch?ftst?tigkeit angesehen, die Banken und anderen Finanzinstituten Gewinne einbringt. Kredite k?nnen jedoch auch eine Quelle von Verlustrisiken sein. Die j?ngste 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?hren, das bei der Einsch?tzung des Kreditrisikos hilft. Die Methode f?r das Kreditscoring wurde entwickelt, um ein besseres Modell f?r die Vorhersage des Kreditrisikos auszuw?hlen. Data-Mining-Methoden sind den statistischen Methoden im Umgang mit Kreditscoring-Problemen ?berlegen, insbesondere bei nichtlinearen Beziehungen zwischen Variablen. Durch das Flashen der Ensemble-Methode mit statistischen Methoden wird nachweislich eine h?here Genauigkeit als mit der Data-Mining-Methode erreicht. Der Klassifizierungsprozess wird durchgef?hrt, 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.