Informacja

Drogi użytkowniku, aplikacja do prawidłowego działania wymaga obsługi JavaScript. Proszę włącz obsługę JavaScript w Twojej przeglądarce.

Wyszukujesz frazę "classification model" wg kryterium: Temat


Wyświetlanie 1-3 z 3
Tytuł:
Application of Probit Models and Selected Discrimination Analysis Methods for Credit Decision Evaluation
Zastosowanie modeli probitowych i wybranych metod analizy dyskryminacyjnej do przewidywania decyzji kredytowej
Autorzy:
Żółtowski, Jan
Powiązania:
https://bibliotekanauki.pl/articles/904693.pdf
Data publikacji:
2005
Wydawca:
Uniwersytet Łódzki. Wydawnictwo Uniwersytetu Łódzkiego
Tematy:
Bayes discrimination methods
quadratic discrimination function
classification function
probit model
Opis:
Obsługa kredytów konsumpcyjnych jest jednym z rodzajów działalności banków. Zdolność kredytowa klienta jest oceniana na podstawie złożonego przez niego wniosku. W pracy rozważany jest problem przewidywania, do której z dwóch grup klientów, posiadających zdolność kredytową lub nie (w ocenie banku), zostanie zaliczona osoba ubiegająca się o kredyt. Analizowane są tu możliwości zastosowania modeli probitowych oraz metod analizy dyskryminacyjnej wykorzystujących kwadratową funkcję dyskryminacyjną i zmienną dyskryminacyjną z próby. Przeprowadzona jest także ocena poprawności klasyfikacji danych z pewnego banku.
Retail banking deals with servicing consumer credits and it constitutes one of the major banking activities. A customer applying for the credit fills in the application which is basis to evaluated of his creditworthiness. The paper considers the problem of evaluation to which of the two groups the person applying for a credit should be assigned to: a) those who possess the creditworthiness; b) those who do not possess the creditworthiness. It analyses the possibility of applying the probit models and the discrimination analysis methods using the quadratic and linear discrimination function. An evaluation of the correctness of the classification based on the real data from a commercial bank is conducted.
Źródło:
Acta Universitatis Lodziensis. Folia Oeconomica; 2005, 194
0208-6018
2353-7663
Pojawia się w:
Acta Universitatis Lodziensis. Folia Oeconomica
Dostawca treści:
Biblioteka Nauki
Artykuł
Tytuł:
Klasyfikacja typologiczna kredytobiorców hipotecznych z wykorzystaniem modeli klas ukrytych
Typological Classification of the Mortgage Borrowers With the use of the Latent Class Models
Autorzy:
Idzik, Marcin
Gieorgica, Jacek
Powiązania:
https://bibliotekanauki.pl/articles/659999.pdf
Data publikacji:
2016
Wydawca:
Uniwersytet Łódzki. Wydawnictwo Uniwersytetu Łódzkiego
Tematy:
kredytobiorcy hipoteczni
klasyfikacja typologiczna
model klas ukrytych
mortgage borrowers
typological classification
latent class models
Opis:
The holders of the mortgage loans constitute more than 6 percent of the individual customers of banks. In a wide-spread opinion, this group is regarded as homogeneous; however, the sociodemographic features not only do not explain, but actually conceal the diversified circumstances of the decisions made by the mortgage borrowers on the financial market. The diversifying factors are as follows: the psychographic profile, the attitude towards taking risks, the knowledge about the finances, caution, the inclination to get indebted and make savings. The objective of the research was to isolate homogeneous segments of the mortgage loan holders in terms of the circumstances of making consumer decisions on the financial market. Five homogeneous groups of mortgage borrowers were selected in terms of circumstances and motives behind the decisions on the financial market. This segmentation was conducted using latent class models (LCA). Latent class models enabled us to identify the feature subtypes connected with each other which are not recorded in a traditional approach. The research was conducted using a CAPI method on a nation-wide representative sample of mortgage loan holders of N=900, out of which N=800 were borrowers in Swiss francs, and N=100 were borrowers in Polish zlotys. The research was conducted by TNS Polska in March 2014 and second wave in March 2015 r.
Posiadacze kredytów mieszkaniowych stanowią ponad 6 proc. indywidualnych klientów banków. W potocznej opinii grupa ta uznawana jest za homogeniczną. Jednak cechy socjodemograficzne nie tylko nie wyjaśniają, ale wręcz maskują różnicowane uwarunkowania decyzji podejmowanych przez kredytobiorców mieszkaniowych na rynku finansowym. Czynniki różnicujące to profil psychograficzny, postawa wobec ryzyka, wiedza o finansach, przezorność, skłonność do zadłużania się i oszczędzania. Celem badań było wyodrębnienie jednorodnych segmentów posiadaczy kredytów mieszkaniowych pod względem uwarunkowań decyzji konsumenckich na rynku finansowym. Wyodrębniono pięć homogenicznych grup kredytobiorców mieszkaniowych pod względem uwarunkowań i motywów decyzji na rynku finansowym. Segmentację przeprowadzono z wykorzystaniem modeli klas ukrytych (LCA). Modele klas ukrytych umożliwiły identyfikację podtypów cech powiązanych ze sobą, które w tradycyjnym ujęcie nie są obserwowalne. Badania wykonano metodą CAPI na ogólnopolskiej reprezentatywnej próbie posiadaczy kredytów mieszkaniowych N=900, z czego N=800 stanowili kredytobiorcy CHF, natomiast N=100 kredytobiorcy PLN. Badania zrealizował TNS Polska w marcu 2014 r. oraz w marcu 2015 r. (druga fala).
Źródło:
Acta Universitatis Lodziensis. Folia Oeconomica; 2016, 4, 323
0208-6018
2353-7663
Pojawia się w:
Acta Universitatis Lodziensis. Folia Oeconomica
Dostawca treści:
Biblioteka Nauki
Artykuł
Tytuł:
Selected Robust Logistic Regression Specification for Classification of Multi‑dimensional Functional Data in Presence of Outlier
Zastosowanie odpornej regresji logistycznej do klasyfikacji wielowymiarowych danych funkcjonalnych
Autorzy:
Krzyśko, Mirosław
Smaga, Łukasz
Powiązania:
https://bibliotekanauki.pl/articles/657746.pdf
Data publikacji:
2018
Wydawca:
Uniwersytet Łódzki. Wydawnictwo Uniwersytetu Łódzkiego
Tematy:
analiza regresji dla danych funkcjonalnych
estymacja odporna
model regresji logistycznej
rozwinięcie funkcji w bazie funkcyjnej
wielowymiarowe dane funkcjonalne
zagadnienie klasyfikacji
basis functions representation
classification problem
functional regression analysis
logistic regression model
multi‑dimensional functional data
robust estimation
Opis:
W niniejszym artykule rozważany jest problem dwuetykietowej klasyfikacji wielowymiarowych danych funkcjonalnych. Zaproponowane rozwiązanie tego problemu oparto na technikach regresyjnych i modelu regresji logistycznej dla danych funkcjonalnych. Model ten został przekształcony do szczególnego modelu regresji logistycznej za pomocą rozwinięcia (będących funkcjami) współczynników regresji i zmiennych objaśniających w bazie funkcyjnej. Na podstawie tego modelu skonstruowana została reguła klasyfikacyjna. W przypadku występowania obserwacji odstających rozważane są również metody odpornej estymacji nieznanych parametrów. Eksperymenty numeryczne sugerują, że proponowane metody mogą z powodzeniem być wykorzystane w praktycznych zagadnieniach.
In this paper, the binary classification problem of multi‑dimensional functional data is considered. To solve this problem a regression technique based on functional logistic regression model is used. This model is re‑expressed as a particular logistic regression model by using the basis expansions of functional coefficients and explanatory variables. Based on re‑expressed model, a classification rule is proposed. To handle with outlying observations, robust methods of estimation of unknown parameters are also considered. Numerical experiments suggest that the proposed methods may behave satisfactory in practice.
Źródło:
Acta Universitatis Lodziensis. Folia Oeconomica; 2018, 2, 334
0208-6018
2353-7663
Pojawia się w:
Acta Universitatis Lodziensis. Folia Oeconomica
Dostawca treści:
Biblioteka Nauki
Artykuł
    Wyświetlanie 1-3 z 3

    Ta witryna wykorzystuje pliki cookies do przechowywania informacji na Twoim komputerze. Pliki cookies stosujemy w celu świadczenia usług na najwyższym poziomie, w tym w sposób dostosowany do indywidualnych potrzeb. Korzystanie z witryny bez zmiany ustawień dotyczących cookies oznacza, że będą one zamieszczane w Twoim komputerze. W każdym momencie możesz dokonać zmiany ustawień dotyczących cookies