Tuning the Fuzzy Classification Models with Various Learning Criteria: the Case of Credit Data Classification

Abstract

У цій роботі досліджено ефективність різних критеріїв навчання для належного настроювання нечіткого класифікатора. Розглянуто різні випадки чітких і зашумлених меж класів та обговорено конкретне застосування в оцінюванні кредитного ризику.In this paper we study the efficiency of various learning criteria for the proper tuning of a fuzzy classifier. Different cases of crisp and noisy class borders are considered, and a specific credit-risk application is discussed.