Atjaunināt sīkdatņu piekrišanu

E-grāmata: Application of AI in Credit Scoring Modeling

  • Formāts: PDF+DRM
  • Sērija : BestMasters
  • Izdošanas datums: 07-Dec-2022
  • Izdevniecība: Springer Gabler
  • Valoda: eng
  • ISBN-13: 9783658401801
Citas grāmatas par šo tēmu:
  • Formāts - PDF+DRM
  • Cena: 88,63 €*
  • * ši ir gala cena, t.i., netiek piemērotas nekādas papildus atlaides
  • Ielikt grozā
  • Pievienot vēlmju sarakstam
  • Šī e-grāmata paredzēta tikai personīgai lietošanai. E-grāmatas nav iespējams atgriezt un nauda par iegādātajām e-grāmatām netiek atmaksāta.
Application of AI in Credit Scoring ModelingPalielināt
  • Formāts: PDF+DRM
  • Sērija : BestMasters
  • Izdošanas datums: 07-Dec-2022
  • Izdevniecība: Springer Gabler
  • Valoda: eng
  • ISBN-13: 9783658401801
Citas grāmatas par šo tēmu:

DRM restrictions

  • Kopēšana (kopēt/ievietot):

    nav atļauts

  • Drukāšana:

    nav atļauts

  • Lietošana:

    Digitālo tiesību pārvaldība (Digital Rights Management (DRM))
    Izdevējs ir piegādājis šo grāmatu šifrētā veidā, kas nozīmē, ka jums ir jāinstalē bezmaksas programmatūra, lai to atbloķētu un lasītu. Lai lasītu šo e-grāmatu, jums ir jāizveido Adobe ID. Vairāk informācijas šeit. E-grāmatu var lasīt un lejupielādēt līdz 6 ierīcēm (vienam lietotājam ar vienu un to pašu Adobe ID).

    Nepieciešamā programmatūra
    Lai lasītu šo e-grāmatu mobilajā ierīcē (tālrunī vai planšetdatorā), jums būs jāinstalē šī bezmaksas lietotne: PocketBook Reader (iOS / Android)

    Lai lejupielādētu un lasītu šo e-grāmatu datorā vai Mac datorā, jums ir nepieciešamid Adobe Digital Editions (šī ir bezmaksas lietotne, kas īpaši izstrādāta e-grāmatām. Tā nav tas pats, kas Adobe Reader, kas, iespējams, jau ir jūsu datorā.)

    Jūs nevarat lasīt šo e-grāmatu, izmantojot Amazon Kindle.

The scope of this study is to investigate the capability of AI methods to accurately detect and predict credit risks based on retail borrowers' features. The comparison of logistic regression, decision tree, and random forest showed that machine learning methods are able to predict credit defaults of individuals more accurately than the logit model. Furthermore, it was demonstrated how random forest and decision tree models were more sensitive in detecting default borrowers.
Introduction.- Theoretical Concepts of Credit Scoring.- Credit Scoring
Methodologies.- Empirical Analysis.- Conclusion.- References.
MA Bohdan Popovych is a data scientist and a researcher in quantitative finance. The main scientific focus of the author is application of advanced analytics and artificial intelligence in finance and economics.
Biežāk uzdotie jautājumi par e-grāmatām Biežāk uzdotie jautājumi par e-grāmatām
Permanent link: https://www.kriso.lv/db/97836584018012e.html
Keywords: