| Form of studies |
Bachelor |
| Title of the study programm |
Information Technology |
| Title in original language |
Klasifikācijas metožu salīdzinājums risku novērtēšanas modeļu izveidei nebanku aizdevuma sektorā |
| Title in English |
Comparison of Classification Methods for Creating Risk Assessment Models in the Non-Bank Loan Sector |
| Department |
Faculty Of Computer Science Information Tehnology And Energy |
| Scientific advisor |
Inese Poļaka |
| Reviewer |
Sigita Misiņa |
| Abstract |
Nebanku aizdevuma sektora pieauguma dēļ kredītdevējiem ir būtiski precīzi novērtēt savus potenciālos klientus, lai samazinātu zaudējumus. Riska prognozēšanas modeļa apmācība ar mašīnmācīšanās klasifikatoriem ir viena no pieejām kredītņēmēju raksturojošo datu izpētei. Pastāv problēma ar piemērotāka algoritma izvēli tieši nebanku sektora datiem, jo tiem ir izteikta klašu nelīdzsvarotība, līdz ar to pastāv jautājums par pietiekami trenēta un pēc riska novērtēšanas metrikām efektīva modeļa izstrādi. Bakalaura darba mērķis ir empīriski salīdzināt un novērtēt klasifikācijas metožu efektivitāti risku novērtēšanas modeļu izveidei. Darbā ir apskatīti mašīnmācīšanās klasifikatori, kuri ir plaši pielietoti kredītriska novērtēšanā: loģistiskā regresija, lēmuma koks, gadījumu mežs, atbalsta vektora mašīna, gradienta un ekstrēma gradienta palielināšana kā arī to kombinācijas. Modeļu darbība ir novērtēta un salīdzināta ar klasifikācijas metrikām. Iegūtie rezultāti norāda uz sakrautās klasifikācijas modeļa augstākajiem prognozēšanas rezultātiem salīdzinājumā ar citiem modeļiem, tomēr ir noteikts, ka būtiskākais solis pirms modeļa apmācības ir klašu nelīdzsvarotības problēmas risināšana ar lokālo pieeju. Bakalaura darbā ir 68 lappuses, 29 attēli, 6 tabulas, 12 formulas, 5 pielikumi, 52 informācijas avoti. |
| Keywords |
MAŠĪNMĀCĪŠANĀS, KLASIFIKĀCIJA, ALGORITMU VEIKTSPĒJA, KREDĪTRISKS, SALĪDZINĀŠANA |
| Keywords in English |
MACHINE LEARNING, CLASSIFICATION, ALGORITHMS PERFORMANCE, CREDIT RISK, COMPARISON |
| Language |
lv |
| Year |
2025 |
| Date and time of uploading |
20.05.2025 19:52:16 |
