Uporaba temeljnih tabelaričnih modelov na finančnih podatkihStanić, Ivana (Avtor) Kukar, Matjaž (Mentor) temeljni modelitabelarični podatkifinančni podatkiklasifikacijaTabPFNTabICLXGBoostTemeljni modeli za tabelarične podatke predstavljajo novejši pristop učenja, ki omogoča uporabo predhodno pridobljenega znanja pri reševanju novih problemov. V diplomskem delu sem raziskovala njihovo uporabnost in uspešnost na klasifikacijskih problemih iz finančnega podpodročja. V eksperimentalnem delu sem uporabila temeljna modela TabPFN in TabICL ter ju primerjala s klasičnim modelom XGBoost na več podatkovnih množicah, ki opisujejo probleme, kot so odkrivanje finančnih prevar, ocenjevanje kreditnega tveganja, bonitetno ocenjevanje in ocenjevanje posojil. Modele sem primerjala glede na klasifikacijsko uspešnost, stabilnost rezultatov in računsko zahtevnost, z metodo SHAP pa sem analizirala vpliv in pomembnost značilk na napovedano vrednost. Rezultati so pokazali, da noben model ni najboljši za reševanje finančnih problemov, vendar pa sem ugotovila, da sta TabICL in TabPFN zelo dobra konkurenčna alternativa klasičnim metodam pri tej vrsti problemov, pri čemer njuna uspešnost ostaja odvisna od značilnosti posameznega problema in podatkovne množice.20262026-09-15 16:55:16Diplomsko delo/naloga187864VisID: 38684sl