Prédiction du risque de prêt : Régression logistique et réseaux neuronaux - Couverture souple

Wanjale, Kirti; Wanjale, Aditya

Couverture souple

ISBN 10 : 6206804364 ISBN 13 : 9786206804369

Editeur : Editions Notre Savoir, 2025

Synopsis

La prédiction du risque de prêt est cruciale pour les institutions financières afin de minimiser les risques de prêt. Cette étude examine l'efficacité des données transactionnelles dans la prédiction du risque de prêt, en comparant les performances de deux algorithmes populaires : la régression logistique et les réseaux neuronaux feed-forward. La recherche vise à évaluer les capacités prédictives, l'interprétabilité et l'applicabilité pratique de ces modèles dans l'identification des défauts de paiement potentiels sur la base de modèles transactionnels. Les données transactionnelles, acquises sur Kaggle, ont subi un prétraitement rigoureux et une ingénierie des caractéristiques adaptée aux caractéristiques uniques des enregistrements de transactions financières. Les deux modèles ont été largement entraînés et évalués à l'aide de mesures établies, englobant l'exactitude, la précision, le rappel et le score F1, afin d'évaluer de manière exhaustive leur performance dans la prédiction des défauts de paiement. Les résultats indiquent des forces variées entre les modèles : la régression logistique démontre une interprétabilité louable tout en atteignant des mesures de performance compétitives, tandis que le réseau neuronal feed-forward présente une précision prédictive plus élevée, mais avec une complexité accrue et une interprétabilité réduite.

Détails de l'édition

• Éditeur: Editions Notre Savoir
• Date d'édition: 2025
• Langue: français
• ISBN 10: 6206804364
• ISBN 13: 9786206804369
• Reliure: Broché
• Nombre de pages: 52
• Coordonnées du fabricant: non disponible
• Personne responsable: GPSR Kontakt; info@bod.de; ; Überseering 33; Hamburg; 22297; Allemagne