Analiza preživetja in strojno učenje za ocenjevanje kreditnih tveganjMramor, Anže (Avtor) Todorovski, Ljupčo (Mentor) Rebolj Kodre, Anamarija (Komentor) kreditno tveganjestrojno učenjeodločitvena drevesanaključni gozdovianaliza preživetjaV tem magistrskem delu se ukvarjamo z gradnjo modelov za ocenjevanje kreditnega tveganja na podlagi konkretnih podatkov o kreditnih poslih, ki smo jih pridobili od slovenske banke. Uporabljamo dva pristopa gradnje napovednih modelov iz podatkov, klasične metode strojnega učenja in njihovo kombinacijo z metodami analize preživetja. Osrednje vprašanje našega dela je, ali lahko analiza preživetja izboljša napovedi neplačil kreditov v primerjavi s klasičnimi metodami. V okviru raziskave smo primerjali napovedno zmogljivost obeh pristopov ob uporabi modelov, ki temeljijo na odločitvenih drevesih in naključnih gozdovih. Rezultati so pokazali, da klasični algoritmi strojnega učenja na učni množici dosegajo višjo napovedno zmogljivost kot metode na podlagi analize preživetja. Tudi na testni množici so klasični algoritmi pokazali nekoliko višjo zmogljivost, vendar sta bila tu pristopa primerljiva. Pri klasičnih algoritmih strojnega učenja je prišlo do izrazitega preprileganja, medtem ko se je metoda analize preživetja izkazala kot precej odporna nanj. Sklepamo torej, da kljub določenim prednostim analiza preživetja sama po sebi ne zagotavlja izboljšanja napovedi v primerjavi s klasičnimi metodami strojnega učenja.20242024-01-31 08:15:04Magistrsko delo/naloga154191UDK: 519.2VisID: 139703COBISS_ID: 182945027sl