Дослідження моделей інтелектуального аналізу даних для побудови систем кредитного скорингу

Abstract

Проведено порівняння різних методів інтелектуального аналізу даних (ІАД) при побудові моделей кредитного скорингу. Визначено основні переваги і недоліки методів ІАД на різних етапах розробки систем кредитного скорингу. Попереднє тестування показало, що найкращі результати демонструють логістична регресія і випадковий ліс, а метод головних компонент виявився найпростішим і найшвидшим засобом аналізу даних.

In the paper, a comparison of different data mining methods for building credit scoring models has been conducted. Data mining methods' main advantages and disadvantages at various stages of credit scoring system development have been identified. Preliminary testing showed that logistic regression and random forest demonstrate the best results, while the principal component method proved to be the simplest and fastest means of data analysis.