یک روش گروهی مبتنی بر بگینگ SVM برای مساله‌ی رتبه‌بندی اعتباری

نوع مقاله : مقاله کوتاه

نویسندگان

1 دانشکده علوم پایه، دانشگاه آیت الله العظمی بروجردی، بروجرد، ایران

2 گروه ریاضی، دانشکده علوم پایه، دانشگاه آیت الله العظمی بروجردی ره)، بروجرد، ایران

3 دانشکده علوم انسانی، دانشگاه آیت الله العظمی بروجردی، بروجرد، ایران

چکیده

در این مقاله از مدل طبقه‌بندی مبتنی بر رویکرد گروهی برای رتبه‌بندی اعتباری مشتریان بانک استفاده شده است. روش پیشنهادی بر اساس طرح بگینگ برای دسته‌بند ماشین‌های بردار پشتیبان است. ابتدا مجموعه‌ی داده از طریق روش بوت استرپ به چندین زیر مجموعه تقسیم می شود و طبقه بندی کننده بر روی هر زیر مجموعه پیاده سازی می شود. مدل نهایی با رای گیری در بین همه طبقه بندی کننده ها ساخته می شود. روش پیشنهادی به لحاظ پیاده سازی مزیت‌های زیادی از جمله کاهش هزینه محاسباتی دارد. دو مجموعه داده اعتباری برای نشان دادن کارایی و کاربرد روش حاضر استفاده می شود.

کلیدواژه‌ها

موضوعات


عنوان مقاله [English]

‌An ensemble method based on bagging SVM for credit rating problem

نویسندگان [English]

  • Sayyed Mohammad Hoseini 1
  • Majid Ebtia 2
  • Ramin Khochiani 3
1 Department of Mathematics, Ayatollah Boroujerdi University, Boroujerd, Iran
2 Department of Mathematics, Ayatollah Boroujerdi University, Boroujerd, Iran
3 Deparment of Economics, Ayatollah Boroujerdi University, Boroujerd, Iran
چکیده [English]

In this paper, a classification model based on ensemble approach is used for credit scoring of the bank costumers. The proposed method is based on the bagging scheme for the support vector machines classifier. First, the data set is divided into several subsets via the bootstrap method and the support vector machines classifier is implemented on each subsets. Then the final model is made by voting among all of the classifiers. The proposed method has many advantages for implementation, including reduction of computational costs. Two credit data sets are used to show the efficiency and applicability of the present method.

کلیدواژه‌ها [English]

  • Credit rating
  • Support vector machine
  • ensemble method
  • bootstrap
  • bagging