Analiza tveganj pri spletnih posojilihZukanovič, Jure (Avtor) Orbanić, Alen (Mentor) finančna matematikaposojanje denarja prek spletaocena tveganjaspletna posojilnicaposojevalecizposojevalecstrojno učenjenaključni gozdlogistična regresijametoda podpornih vektorjevmetoda k-najbližjih sosedovRdeča nit tega dela diplomskega seminarja je predstavitev in primerjava različnih metod strojnega učenja za identificiranje "dobrega izposojevalca", na podlagi podatkov priljubljene spletne platforme za posojanje denarja Lending Club (kratica LC). V delu so predstavljeni rezultati ugotovitev članka z naslovom Risk assessment in social lending via random forests, avtorjev Milada Malekipirbazarija in Vurala Aksakallija, ki sta z uporabo programa WEKA prikazala, da je matoda naključnih gozdov pri identificiranju "dobrega izposojevalca" boljša od točk FICO in ocene s strani LC. To sta metodi, ki ju za identificiranje "dobrega izposojevalca" dandanes uporabljajo agencije, ki se ukvarjajo z računanjem kreditne ocene posameznika za spletne posojilnice. V zaključku dela je predstavljena rekonstrukcija in potrditev navedb članka na podlagi rezultatov, ki sem jih dobil, ko sem simulacije v programu WEKA zagnal še sam. Metode strojnega učenja, ki so predstavljene v tem delu diplomskega seminarja, so: metoda naključnih gozdov, logistična regresija, metoda podpornih vektorjev in metoda k-najbližjih sosedov.[J. Zukanovič]20172019-02-12 13:07:35Delo diplomskega seminarja/zaključno seminarsko delo/naloga106212UDK: 512COBISS_ID: 18553945sl