Name: Przewidywanie Ryzyka Kredytowego: Porównanie Sieci Neuronowych i svm (en Polish)
SKU: 63912472
Price: 964.63 MXN
Availability: InStock
Author: Kirti Wanjale; Aditya Wanjale
ISBN: 9786208638931

portada Przewidywanie Ryzyka Kredytowego: Porównanie Sieci Neuronowych i svm (en Polish)

Przewidywanie Ryzyka Kredytowego: Porównanie Sieci Neuronowych i svm (en Polish)

Formato

Libro Físico

Editorial

Wydawnictwo Nasza Wiedza

Autor

Kirti Wanjale; Aditya Wanjale

Idioma

Polish

N° páginas

Encuadernación

Tapa Blanda

ISBN13

9786208638931

Przewidywanie Ryzyka Kredytowego: Porównanie Sieci Neuronowych i svm (en Polish)

Kirti Wanjale; Aditya Wanjale (Autor) · Wydawnictwo Nasza Wiedza · Tapa Blanda

Libro Nuevo Importado

Envío: 23 a 28 días háb.

$ 1,753.88$ 964.63

-45%

Costos de importación incluídos en el precio ✅

Libro Nuevo

Quedan 10 unidades

$ 964.63

¡Envío Gratis! Llega entre el 13 Oct y el 21 Oct a CUAUHTÉMOC, Ciudad de México. Seleccionar ubicación

Agregar a lista de deseos

Reseña del libro "Przewidywanie Ryzyka Kredytowego: Porównanie Sieci Neuronowych i svm (en Polish)"

Ocena ryzyka kredytowego odgrywa kluczową rolę w branży finansowej, a modele predykcyjne są niezbędne do podejmowania świadomych decyzji kredytowych. Niniejszy projekt badawczy zaglębia się w domenę oceny ryzyka kredytowego, krytycznego aspektu branży finansowej, proponując innowacyjne podejście wykorzystujące algorytm Feed Forward Neural Network (FNN). Glówny nacisk polożono na porównanie skuteczności algorytmu FNN z powszechnie stosowanymi maszynami wektorów nośnych (SVM) do przewidywania ryzyka kredytowego. Celem jest ocena skuteczności algorytmu FNN w przewidywaniu niesplacalności pożyczek, mając na celu kompleksowe zrozumienie jego wydajności w porównaniu z SVM. Uzyskane wyniki są obiecujące, wskazując na wyższą dokladnośc modelu FNN w porównaniu z SVM. Podkreśla to potencjal algorytmu FNN w rewolucjonizowaniu oceny ryzyka kredytowego. Nasze odkrycia podkreślają znaczenie wykorzystania sztucznej inteligencji i uczenia maszynowego, w szczególności sieci neuronowych, w celu zwiększenia dokladności i niezawodności systemów przewidywania ryzyka kredytowego. Imponująca wydajnośc modelu FNN pozycjonuje go jako przelom w tej dziedzinie, oferując zwiększoną dokladnośc i niezawodnośc w systemach przewidywania ryzyka kredytowego.