Zobrazeno 1 - 10
of 1 728
pro vyhledávání: '"credit risk prediction"'
Autor:
Chang, Victor1 (AUTHOR) sharuga1225@gmail.com, Sivakulasingam, Sharuga1 (AUTHOR) meghana.ganatra@gmail.com, Wang, Hai2 (AUTHOR) h.wang10@aston.ac.uk, Wong, Siu Tung3 (AUTHOR) tommywong962@gmail.com, Ganatra, Meghana Ashok1 (AUTHOR) j.luo2@aston.ac.uk, Luo, Jiabin1 (AUTHOR)
Publikováno v:
Risks. Nov2024, Vol. 12 Issue 11, p174. 33p.
Bank credit risk is a significant challenge in modern financial transactions, and the ability to identify qualified credit card holders among a large number of applicants is crucial for the profitability of a bank'sbank's credit card business. In the
Externí odkaz:
http://arxiv.org/abs/2408.03497
Autor:
Vankamamidi S. Naresh, Ayyappa D
Publikováno v:
Journal of Cloud Computing: Advances, Systems and Applications, Vol 13, Iss 1, Pp 1-21 (2024)
Abstract This study proposes a Privacy-Preserving Deep Neural Network for Credit Risk Prediction (PPDNN-CRP) framework that leverages homomorphic encryption (HE) to ensure data privacy throughout the credit risk prediction process. The PPDNN-CRP fram
Externí odkaz:
https://doaj.org/article/757faa090808416b9ce1a862477ca0ff
Publikováno v:
Journal of Social Computing, Vol 5, Iss 3, Pp 232-241 (2024)
A credit risk prediction model named KM-ADASYN-TL-FLLightGBM (KADT-FLightGBM) is proposed in this study. Firstly, to overcome the limitation of traditional sampling methods in dealing with imbalanced datasets, an improved ADASYN sampling with K-means
Externí odkaz:
https://doaj.org/article/4e3909aa354f4a49be65357e2737613e
Autor:
Berhane, Tesfahun1 (AUTHOR) tesfahunb2002@gmail.com, Melese, Tamiru1 (AUTHOR), Seid, Abdu Mohammed1 (AUTHOR)
Publikováno v:
Applied Artificial Intelligence. 2024, Vol. 38 Issue 1, p1-26. 26p.
Akademický článek
Tento výsledek nelze pro nepřihlášené uživatele zobrazit.
K zobrazení výsledku je třeba se přihlásit.
K zobrazení výsledku je třeba se přihlásit.
Akademický článek
Tento výsledek nelze pro nepřihlášené uživatele zobrazit.
K zobrazení výsledku je třeba se přihlásit.
K zobrazení výsledku je třeba se přihlásit.
Akademický článek
Tento výsledek nelze pro nepřihlášené uživatele zobrazit.
K zobrazení výsledku je třeba se přihlásit.
K zobrazení výsledku je třeba se přihlásit.
Akademický článek
Tento výsledek nelze pro nepřihlášené uživatele zobrazit.
K zobrazení výsledku je třeba se přihlásit.
K zobrazení výsledku je třeba se přihlásit.
Recent industrial applications in risk prediction still heavily rely on extensively manually-tuned, statistical learning methods. Real-world financial data, characterized by its high dimensionality, sparsity, high noise levels, and significant imbala
Externí odkaz:
http://arxiv.org/abs/2404.13004