Primjena strojnog učenja za određivanje rizika davanja kreditne kartice

master's thesis

• Title (english): Application of machine learning for credit card risk assessment
• Author: Tomislav Slunjski
• Mentor: Dijana Oreški (mentor); MBZ: 318615
• Committee member: Božidar Kliček; MBZ: 95426
• Granter: University of Zagreb; Faculty of Organization and Informatics; (Department of Information Systems Development); Varaždin
• Defense date and country: 2019-09-13, Croatia
• Scientific / art field, discipline and subdiscipline: SOCIAL SCIENCES; Information and Communication Sciences; Organization and Informatics

Abstract

U ovom radu koriste se pristupi strojnog učenja za rješavanje problema identifikacije potencijalno loših klijenata u bankarskom sektoru prilikom dodjele kreditnih kartica. Jednom od tehnika strojnog učenja identificiraju se pravila dodjele kartice koja se implementiraju u sustav temeljen na znanju. Sustav se koristi kao potporu odlučivanju u domeni bankarstva. Kako su banke u svome poslovanju izložene kreditnom riziku i cilj im je reducirati kreditni rizik, ovaj sustav bi im uvelike pomogao u ostvarivanju toga cilja. Jer u suprotnom dolazi do krive procjene koja za sobom povlači gubitke koji nikako nisu u interesu banke i potrebno ih je svesti na minimum. Već postoje razvijeni modeli kreditnog skoringa, a u ovom radu bi se razvio sličan model na temelju stabla odlučivanja. Za kvalitetan model bitno je dobro odrediti karakteristike ključne za predikciju kreditne sposobnosti klijenta banke. Ključne riječi: stablo odlučivanja; model; procjena rizika; strojno učenje; ekspertni sustav; banka; kreditne kartice;

• Keywords: stablo odlučivanja; procjena rizika; strojno učenje; ekspertni sustav
• Language: croatian
• URN:NBN: urn:nbn:hr:211:281832
• Study programme: Title: Information and Programming Engineering; Study programme type: university; Study level: graduate; Academic / professional title: magistar/magistra informatike (magistar/magistra informatike)
• Type of resource: Text
• File origin: Born digital
• Access conditions: Open access
• Created on: 2020-04-27 07:11:19