پیش بینی ریسک اعتباری مشتریان بانک با استفاده از چند ترکیب طبقه بند مبتنی بر طبقه بند ماشین یادگیری حداکثر

بانک ها و موسسات مالی و اعتباری با اعطای تسهیلاتی از قبیل وام و اعتبار به مشتریان خود، با ریسک هایی از جمله عدم پرداخت سر موعد مشتری و کاهش نقدینگی مواجه هستند. پیش بینی این ریسک ها قبل از اعطای تسهیلات برای بانک ها از اهمیت ویژه ای برخوردار است. از این رو نیاز به ارائه روش هایی جهت طبقه بندی مشتریان به منظور پیش بینی ریسک اعتباری آنها لازم و ضروری به نظر می رسد. لذا بایستی تلاش شود تا روش های طبقه بندی ارائه شود که نسبت به تغییر داده ها از مقاومت بالاتری برخوردار باشند. در این پایان نامه سه روش جدید طبقه بندی با استفاده از ترکیب طبقه بندها، که دارای دقت بالاتر و قابلیت اطمینان بیشتر برروی مجموعه داده های مشتریان بانک می باشند، ارائه شده است.