СРАВНИТЕЛЬНЫЙ АНАЛИЗ МЕТОДОВ ДЕРЕВЬЕВ РЕШЕНИЙ И НЕЙРОННЫХ СЕТЕЙ В ЗАДАЧЕ КЛАССИФИКАЦИИ КРЕДИТНЫХ ОРГАНИЗАЦИЙ

Е. П. Акишина, Виктор Викторович Иванов, А. В. Крянев, А. С. Приказчикова
{"title":"СРАВНИТЕЛЬНЫЙ АНАЛИЗ МЕТОДОВ ДЕРЕВЬЕВ РЕШЕНИЙ И НЕЙРОННЫХ СЕТЕЙ В ЗАДАЧЕ КЛАССИФИКАЦИИ КРЕДИТНЫХ ОРГАНИЗАЦИЙ","authors":"Е. П. Акишина, Виктор Викторович Иванов, А. В. Крянев, А. С. Приказчикова","doi":"10.26583/vestnik.2022.12","DOIUrl":null,"url":null,"abstract":"В последние годы деревья решений и нейронные сети широко применяются в задачах компьютерного зрения, таких как распознавание объектов, классификация текстов, распознавание жестов, обнаружение спама, семантическая сегментация и кластеризация данных. В статье рассматривается применение методов деревьев решений и искусственных нейронных сетей в задаче классификации кредитных организаций как объектов экономической безопасности. Представлены результаты анализа данных о деятельности кредитных организаций с использованием разных методов деревьев решений: C5, CHAID, C&R и QUEST, а также нейронных сетей. Наивысшая общая точность классификации анализируемых объектов была достигнута с помощью алгоритма деревьев решений С5 и составила 81 %. Общая точность классификации при применении алгоритма CHAID составила 68 %, алгоритма C&R – 71 %, алгоритма QUEST – 66 %. На основании результатов алгоритма C5 сгенерирован набор правил для определения принадлежности банка к определенному классу. Согласно методам деревьев решений и нейронным сетям были отобраны наиболее информативные показатели деятельности кредитных организаций с точки зрения их разбиения на два класса: благонадежные и высоко-рисковые.","PeriodicalId":118070,"journal":{"name":"Вестник НИЯУ МИФИ","volume":null,"pages":null},"PeriodicalIF":0.0000,"publicationDate":"2023-05-05","publicationTypes":"Journal Article","fieldsOfStudy":null,"isOpenAccess":false,"openAccessPdf":"","citationCount":"0","resultStr":null,"platform":"Semanticscholar","paperid":null,"PeriodicalName":"Вестник НИЯУ МИФИ","FirstCategoryId":"1085","ListUrlMain":"https://doi.org/10.26583/vestnik.2022.12","RegionNum":0,"RegionCategory":null,"ArticlePicture":[],"TitleCN":null,"AbstractTextCN":null,"PMCID":null,"EPubDate":"","PubModel":"","JCR":"","JCRName":"","Score":null,"Total":0}
引用次数: 0

Abstract

В последние годы деревья решений и нейронные сети широко применяются в задачах компьютерного зрения, таких как распознавание объектов, классификация текстов, распознавание жестов, обнаружение спама, семантическая сегментация и кластеризация данных. В статье рассматривается применение методов деревьев решений и искусственных нейронных сетей в задаче классификации кредитных организаций как объектов экономической безопасности. Представлены результаты анализа данных о деятельности кредитных организаций с использованием разных методов деревьев решений: C5, CHAID, C&R и QUEST, а также нейронных сетей. Наивысшая общая точность классификации анализируемых объектов была достигнута с помощью алгоритма деревьев решений С5 и составила 81 %. Общая точность классификации при применении алгоритма CHAID составила 68 %, алгоритма C&R – 71 %, алгоритма QUEST – 66 %. На основании результатов алгоритма C5 сгенерирован набор правил для определения принадлежности банка к определенному классу. Согласно методам деревьев решений и нейронным сетям были отобраны наиболее информативные показатели деятельности кредитных организаций с точки зрения их разбиения на два класса: благонадежные и высоко-рисковые.
比较信贷组织分类任务中的决策树和神经网络方法
近年来,解决方案树和神经网络广泛应用于计算机视觉任务,如识别对象、文本分类、手势识别、垃圾邮件检测、语义分割和数据集群。这篇文章讨论了将信贷组织归类为经济安全目标的决策树和人工神经网络的应用。C5、CHAID、C&R和QUEST以及神经网络提供了对信贷组织活动的分析结果。分析对象分类的最高一般精度是通过c5决策树算法实现的,达到81%。CHAID算法的一般分类精度为68%,C&R - 71%, QUEST - 66%。根据C5算法的结果,产生了一组规则来确定银行是否属于某个类别。根据决策树和神经网络的方法,信用组织的最可靠的指标被分为两类:可靠和高风险。
本文章由计算机程序翻译,如有差异,请以英文原文为准。
求助全文
约1分钟内获得全文 求助全文
来源期刊
自引率
0.00%
发文量
0
×
引用
GB/T 7714-2015
复制
MLA
复制
APA
复制
导出至
BibTeX EndNote RefMan NoteFirst NoteExpress
×
提示
您的信息不完整,为了账户安全,请先补充。
现在去补充
×
提示
您因"违规操作"
具体请查看互助需知
我知道了
×
提示
确定
请完成安全验证×
copy
已复制链接
快去分享给好友吧!
我知道了
右上角分享
点击右上角分享
0
联系我们:info@booksci.cn Book学术提供免费学术资源搜索服务,方便国内外学者检索中英文文献。致力于提供最便捷和优质的服务体验。 Copyright © 2023 布克学术 All rights reserved.
京ICP备2023020795号-1
ghs 京公网安备 11010802042870号
Book学术文献互助
Book学术文献互助群
群 号:481959085
Book学术官方微信