20.500.12556/RUL-187864 Uporaba temeljnih tabelaričnih modelov na finančnih podatkih Application of tabular foundation models to financial data Temeljni 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. Tabular foundational models represent a relatively recent learning approach that enables the use of previously acquired knowledge when solving new problems. In my thesis, I examined their applicability and performance on classification problems in the financial domain. In the experimental part, I used the foundational models TabPFN and TabICL and compared them with the classical model XGBoost on several datasets describing problems such as financial fraud detection, credit risk assessment, credit rating, and loan evaluation. I compared the models based on classification performance, result stability, and computational complexity, and additionally analyzed their predictions using the SHAP method. The results showed that no single model is best for solving financial problems. However, I found that TabICL and TabPFN are very strong competitive alternatives to classical methods for this type of task, with their performance remaining dependent on the characteristics of each specific problem and dataset. temeljni modeli tabelarični podatki finančni podatki klasifikacija TabPFN TabICL XGBoost foundation models tabular data financial data classification TabPFN TabICL XGBoost true false false Slovenski jezik Angleški jezik Diplomsko delo/naloga 2026-09-15 16:55:16 2026-09-15 16:55:26 2026-09-16 04:30:49 0000-00-00 00:00:00 2026 0 0 0000-00-00 NiDoloceno NiDoloceno NiDoloceno 0000-00-00 0000-00-00 0000-00-00 1970-01-01 38684 Stanic_Ivana_-_Uporaba_temeljnih_tabelaricnih_modelov_na_financnih_podatkih.pdf Stanic_Ivana_-_Uporaba_temeljnih_tabelaricnih_modelov_na_financnih_podatkih.pdf 1 94DBA8C7F76DFCE36CAEAD66A34C236B 553a7f58c6df5c7f445c2f271b0d7a46074c3dc45db330ed57c36e2bac8af800 7390b3aa-b115-11f1-8bc5-0050569b8976 https://repozitorij.uni-lj.si/Dokument.php?lang=slv&id=247679 Fakulteta za računalništvo in informatiko 0 0 0