يك مدل تركيبي از الگوريتم انتخاب ويژگي Gain ratio و الگوريتم هاي كلاسبندي گروهي ( Ensemble learning ) براي اعتبارسنجي مشتريان

ﻋﺘﺒﺎرﺳﻨﺠﯽ ﻣﺸﺘﺮﯾﺎن ﻣﺴﺌﻠﻪ ﺳﺎﺧﺖ ﻣﺪﻟﯽ ﺑﺮاي ﮐﻼﺳﺒﻨﺪي ﻣﺸﺘﺮﯾﺎن ﺑﺎﻧﮏﻫﺎ و ﻣﻮﺳﺴﺎت ﻣﺎﻟﯽ ﺑﻪ دو ﮔﺮوه ﺧﻮب و ﺑﺪ اﺳﺖ. اﻣﺮوزه ﻣﺪل ﻫﺎي زﯾﺎدي ﺑﺮاي اﯾﻦ ﻣﺴﺌﻠﻪ ﻣﻌﺮﻓﯽ ﺷﺪه اﺳﺖ. ﻣﺎ در اﯾﻨﺠﺎ ﻣﺪﻟﯽ ﻣﻌﺮﻓﯽ ﻣﯽﻧﻤﺎﯾﯿﻢ ﮐﻪ ﯾﮏ ﻣﺪل ﺗﺮﮐﯿﺒـﯽ از اﻟﮕـﻮرﯾﺘﻢ اﻧﺘﺨـﺎب وﯾﮋﮔـﯽ Gain ratio و اﻟﮕﻮرﯾﺘﻢ ﻫﺎي ﮐﻼﺳـﺒﻨﺪي ﮔﺮوﻫـﯽ Random forest ،Bagging ،AdaBoost و Stacking اﺳـﺖ. اﺑﺘـﺪا ﺑـﺎ اﻟﮕـﻮرﯾﺘﻢ Gain ratio ﻣﺸﺨﺺ ﻣﯽﻧﻤﺎﯾﯿﻢ ﮐﻪ ارزش ﻫﺮ وﯾﮋﮔﯽ ﭼﻪ ﻗﺪر اﺳﺖ و ﺳﭙﺲ ﺑﺎ اﻟﮕﻮرﯾﺘﻢ SVM ﺑﺮرﺳﯽ ﻣـﯽ ﮐﻨـﯿﻢ ﮐـﻪ ﺑـ ﺎ ﭼـﻪ ﺗﻌـﺪاد از وﯾﮋﮔﯽﻫﺎي ﺑﺎ ارزشﺗﺮ دﻗﺖ ﮐﻼﺳﺒﻨﺪي اﻓﺰاﯾﺶ ﻣﯽﯾﺎﺑﺪ. ﺳﭙﺲ ﻣﺪلﻫﺎ را ﺑﺎ اﺳﺘﻔﺎده از اﯾﻦ وﯾﮋﮔﯽﻫﺎ و اﻟﮕﻮرﯾﺘﻢ ﻫﺎي ﮐﻼﺳﺒﻨﺪي ﮔﺮوﻫـﯽ ﻣﯽﺳﺎزﯾﻢ. و ﻫﺮ ﮐﺪام از ﻣﺪلﻫﺎ را ﺑﺎ ﻣﻘﺪار دﻫﯽ ﺑﻪ ﭘﺎراﻣﺘﺮ ﻫﺎي ﻣﺨﺘﻠﻒ اﻟﮕﻮرﯾﺘﻢ ﻫﺎ اﺟﺮا ﻧﻤﻮده و دﻗﺖ ﮐﻼﺳﺒﻨﺪي و AUC ﻫـﺮ ﯾـﮏ را ﻣﺤﺎﺳﺒﻪ ﻣﯽﻧﻤﺎﯾﯿﻢ ﺗﺎ ﺑﺮرﺳﯽ ﮐﻨﯿﻢ ﮐﻪ ﺑﺎ ﭼﻪ ﻣﻘﺪار ﺑﺮاي ﻫﺮ ﭘﺎراﻣﺘﺮ از اﻟﮕﻮرﯾﺘﻢ ﺑﻪ دﻗﺖ ﺑﺎﻻ ﺗﺮ دﺳﺖ ﭘﯿﺪا ﻣﯽﮐﻨﯿﻢ