مقایسه عملکرد روش ماشین بردار پشتیبان و روش شبکه عصبی پرسپترون چندلایه در پیش بینی نکول وامهای بانکی (مطالعه موردی: بانک مسکن)
پایان نامه
- وزارت علوم، تحقیقات و فناوری - دانشگاه سمنان - دانشکده مدیریت و اقتصاد
- نویسنده مهدی روح الامینی
- استاد راهنما غلامحسین گل ارضی سعید فلاحپور
- تعداد صفحات: ۱۵ صفحه ی اول
- سال انتشار 1391
چکیده
مقررات کمیته بال، افزایش روزافزون تقاضا برای وام و رقابت شدید در بازارهای مالی، باعث افزایش توجهات به موضوع حساس نکول وام?ها برای آن دسته از موسساتی است که به مشتریانی که احتمال قصور آنها بیشتر است وام اعطا می?کنند. در سال?های پیش، مدل?های شبکه عصبی به خوبی در حوزه مالی به کار گرفته می?شدند. اخیراً، ماشین بردار پشتیبان به عنوان راه حلی دقیق?تر و بهتر از شبکه?های عصبی در برخورد با مسائل طبقه?بندی و پیش?بینی بکار گرفته شده است. که این به خاطر ویژگی?های ممتاز روش ماشین بردار پشتیبان در عمومیت دادن اجرای خود و اهمیت دادن به تمامی اپتیمم?هاست. در این تحقیق از روش ماشین بردار پشتیبان برای پیش بینی نکول مشتریان حقیقی بانک مسکن استفاده گردید و عملکرد این مدل با روش شبکه عصبی پرسپترون چند لایه مقایسه گردید. علاوه بر مقایسه نتایج بدست آمده، خطای نوع یک و نوع دو نیز برای دو مدل محاسبه گردید. در نهایت نتایج بدست آمده حاکی از آن بود که مدل ماشین بردار پشتیبان نه تنها عملکردی دقیقتر در پیش?بینی نکول درخواست کنندگان وام دارد، بلکه این مدل دارای خطای نوع یک و دو کمتری نسبت به روش شبکه عصبی می?باشد.
منابع مشابه
مقایسه عملکرد روش های ماشین بردار پشتیبان و شبکه های بیزین در پیشبینی جریان روزانه رودخانه (مطالعه موردی: رودخانه باراندوزچای)
پیشبینی و برآورد جریان رودخانه برای هر منطقه و حوضه آبریز به عنوان یکی از مهمترین مراحل در استفاده بهینه از منابع آبی محسوب می‌شود. در مطالعه حاضر به منظور پیشبینی جریان رودخانه باراندوزچای از دو روش ماشین بردار پشتیبان (SVM) و شبکه‌های بیزین (BNs) استفاده شد. دادههای جریان روزانه این رودخانه در محل ایستگاه آبسنجی دیزج در خلال سال‌های 1385 تا 1389 برای ایجاد مدل استفاده شد که 80 درصد داده‌ها...
متن کاملتوانایی ماشین بردار پشتیبان در پیش بینی درماندگی مالی
درماندگی مالی پیش از ورشکستگی مالی رخ می‌دهد و پیش بینی موثر آن یک مسئله‌ی مهم و چالش برانگیز برای شرکت‌ها میباشد. تحقیق حاضر به پیش بینی درماندگی مالی در قالب مدل ماشین بردار پشتیبان و با استفاده از ترکیبات جریان نقد می‌پردازد. اهمیت ابزارهای داده کاوی، و توانایی این ابزارها در پیش بینی و طبقه بندی متغیرها، استفاده از آنها را در مباحث مختلف مالی از جمله پیش بینی ورشکستگی، پیش بینی درماندگی م...
متن کاملمقایسه عملکرد روش های ماشین بردار پشتیبان و شبکه های بیزین در پیش بینی جریان روزانه رودخانه (مطالعه موردی: رودخانه باراندوزچای)
پیش بینی و برآورد جریان رودخانه برای هر منطقه و حوضه آبریز به عنوان یکی از مهمترین مراحل در استفاده بهینه از منابع آبی محسوب می شود. در مطالعه حاضر به منظور پیش بینی جریان رودخانه باراندوزچای از دو روش ماشین بردار پشتیبان (svm) و شبکه های بیزین (bns) استفاده شد. داده های جریان روزانه این رودخانه در محل ایستگاه آبسنجی دیزج در خلال سال های 1385 تا 1389 برای ایجاد مدل استفاده شد که 80 درصد داده ها...
متن کاملاستفاده از مدل های سری زمانی، شبکه عصبی و ماشین بردار پشتیبان جهت پیش بینی دبی ورودی به سد گرگان
پیشبینی مقادیر جریان ورودی به سیستم منابع آب بهمنظور آگاهی از شرایط آینده و برنامهریزی برای تخصیص بهینه منابع آب به بخشهای مختلف از قبیل شرب، کشاورزی و صنعتی امری ضروری در مدیریت منابع آب میباشد. هدف از پژوهش حاضر پیشبینی مقادیر دبی ماهانه ورودی به سد گرگان برای آینده بود. بدین منظور از دادههای هیدرومتری ایستگاه قزاقلی با دوره آماری 47 سال و سه مدل سریزمانی، شبکه عصبی و ماشین بردار پشت...
متن کاملمقایسه روش های شبکه عصبی و ماشین بردار پشتیبان در استخراج نقشه های کاربری و پوشش اراضی با استفاده از تصاویر لندست 8 (مطالعه موردی: حوضه صوفی چای)
تهیه نقشه کاربری و پوشش اراضی برای برنامهریزی و مدیریت منابع طبیعی امری ضروری میباشد. در این بین استفاده از دادههای سنجش از دور با توجه به ارائه اطلاعات به روز، پوشش تکراری، کمهزینه بودن در ارزیابی منابع طبیعی جایگاه خاصی دارد. لذا در این پژوهش، تصاویر لندست 8 بهعنوان داده ورودی برای تهیه نقشه کاربری اراضی در سطح 2و1 مورد استفاده قرار گرفت. در این بین، با توجه به جدید بودن این تصاویر، تصحی...
متن کاملبررسی کارایی روش‌های رگرسیون بردار پشتیبان، شبکه عصبی پرسپترون چندلایه و رگرسیون خطی چندمتغیره به منظور پیشبینی تراز سطح آب زیرزمینی (مطالعه موردی: دشت شهرکرد)
Accurate and reliable simulation and prediction of the groundwater level variation is significant and essential in water resources management of a basin. Models such as ANNs and Support Vector Regression (SVR) have proved to be effective in modeling nonlinear function with a greater degree of accuracy. In this respect, an attempt is made to predict monthly groundwater level fluctuations using M...
متن کاملمنابع من
با ذخیره ی این منبع در منابع من، دسترسی به آن را برای استفاده های بعدی آسان تر کنید
ذخیره در منابع من قبلا به منابع من ذحیره شده{@ msg_add @}
نوع سند: پایان نامه
وزارت علوم، تحقیقات و فناوری - دانشگاه سمنان - دانشکده مدیریت و اقتصاد
میزبانی شده توسط پلتفرم ابری doprax.com
copyright © 2015-2023