首頁瀏覽人次: 676,110 次 (Since 2010/07/14) 會員登入
聯盟單位  |  虛擬講堂  |  網路直播  |  其他演講  |  排行榜  |  留言板  |  知識擂台  |  回首頁
首頁 > 虛擬講堂 > 利用機器學習方法預測違約風險於不平衡網路借貸數據 快速搜尋演講 進階搜尋
  利用機器學習方法預測違約風險於不平衡網路借貸數據 
★chrome瀏覽器無法播放Silverlight解決辦法
0:00 / 0:00

講者:東吳大學巨量資料管理學院 楊碧菁
日期:2018/10/25
性質:演講
類別:應用科學
語言:中文
長度:00:12:40
觀看:247
推薦:0
摘要:
傳統金融業者辦理貸款手續繁雜、貸款週期
長、貸款條件苛刻等,在資金籌措上相當困難,
造就網路貸款亦即利用網路線上平台媒合配對成
交貸款的興起。然而網路借貸為高風險商業行為,
如何評估借款風險與違約行為,是值得探究的議
題。本研究數據集來...
傳統金融業者辦理貸款手續繁雜、貸款週期
長、貸款條件苛刻等,在資金籌措上相當困難,
造就網路貸款亦即利用網路線上平台媒合配對成
交貸款的興起。然而網路借貸為高風險商業行為,
如何評估借款風險與違約行為,是值得探究的議
題。本研究數據集來自於開放式平台資料庫中網
路借貸資料,研究區間從2007年到2015年包含約
89萬筆觀察值和75個變數。本研究採用隨機下採
樣法與合成少數樣本法來平衡資料集合各類之樣
本數量,並運用機器學習方式建構分類器技術,
最終目的是希望建立準確分類的預測模型。依據
實驗結果表明,若能將合成少數樣本法與機器學
習演算法結合,預測三類違約風險之 F1分數達
92.8%,確實能有效提升預測違約風險的準確率。
本研究所找出影響違約風險的重要關鍵因素,提
供了對網路貸款業放款授信決策時所需的違約特
徵,進而降低壞帳發生之機會。

現在位置:演講摘要詳細內容
推薦  (0)
推薦至Plurk
提供:TANET台灣網際網路研討會-TANET2018

轉寄  

推薦者:
電子郵件地址: (如欲轉寄多人,請以 ; 分隔email)
留言給收件者:

回報問題  

問題說明:




海底拓荒史 — 探測海底的奧...
講者:劉家瑄
觀看:1,605
【週日閱讀科學大師】材料CS...
講者:李驊登
觀看:1,479
【科學史沙龍】平衡生命的量與...
講者:郭文華
觀看:1,316
【週日閱讀科學大師】通往宇宙...
講者:吳俊輝
觀看:78
【週日閱讀科學大師】上太空也...
講者:黃居正
觀看:74

現在位置:學習公約