اکسپرس 24
ترجمه فارسی مقاله مدل پیشرفته پیش‌بینی ریسک اعتباری کاربر با استفاده از LightGBM، XGBoost و Tabnet با SMOTEENN

ترجمه فارسی مقاله مدل پیشرفته پیش‌بینی ریسک اعتباری کاربر با استفاده از LightGBM، XGBoost و Tabnet با SMOTEENN

انتخاب پلن

انتخاب پلن برای ادامه خرید الزامی است.

پرداخت اقساطی
در صورت خرید اقساطی هر قسط: 37,500 تومان
۴ قسط ماهانه. بدون سود، چک و ضامن.
پرداخت اقساطی با دیجی‌پی پرداخت اقساطی با ترب‌پی
عنوان مقاله به انگلیسی Advanced User Credit Risk Prediction Model using LightGBM, XGBoost and Tabnet with SMOTEENN
عنوان مقاله به فارسی مدل پیشرفته پیش‌بینی ریسک اعتباری کاربر با استفاده از LightGBM، XGBoost و Tabnet با SMOTEENN
نویسندگان Chang Yu, Yixin Jin, Qianwen Xing, Ye Zhang, Shaobo Guo, Shuchen Meng
فرمت مقاله انگلیسی PDF
تعداد صفحات 8
دسته بندی موضوعات Machine Learning,Artificial Intelligence,یادگیری ماشین , هوش مصنوعی ,
توضیحات Submitted 6 August, 2024; originally announced August 2024. , Comments: 8 pagess on IEEE ICPICS
توضیحات به فارسی ارائه شده در 6 اوت 2024 ؛در ابتدا اوت 2024 اعلام شد. ، نظرات: 8 صفحه در IEEE ICPICS

قیمت: 19,000 تومان

سفارش

با انتخاب این گزینه، علاوه بر دریافت مقاله اصلی، را نیز سفارش می‌دهید.

قیمت: 320,000 تومان

زمان تحویل: 2 تا 3 روز کاری

📚 محتوای این محصول آموزشی (پکیج کامل)

علاوه بر مقاله اصلی انگلیسی که دریافت می کنید، برای یادگیری عمیق‌تر و تسلط کامل بر مباحث مجموعه‌ای از کتاب‌های آموزشی نیز ارائه می‌شود.

🎯 این بسته یک دورهٔ آموزشی کامل و چندلایه است؛ شامل ویدیوهای آموزشی، کتاب‌ها، تمرین‌ها و خودآزمایی.

ℹ️ نکات مهم هنگام خرید

  • این محصول به صورت فایل دانلودی کامل ارائه می‌شود.
  • توجه: لینک‌های اختصاصی دوره طی حداکثر 24 ساعت پس از ثبت سفارش ارسال می‌شوند.
  • دقت کنید لینک ها به شماره موبایل شما ارسال می شوند. پس در ارائه شماره موبایل صحیح دقت کنید.
  • برای راهنمایی در مورد نحوه دانلود به شماره 09395106248 پیامک دهید یا تماس بگیرید. (ایده آل ترین گزینه ارسال پیام در یکی از پیام رسان ها به همین شماره است تا سریعا لینک های محصول همان جا برای شما ارسال گردد.)
  • اگر پرداخت انجام شده ولی بعد از 24 ساعت هنوز لینک‌ها را دریافت نکرده‌اید، نام و نام خانوادگی و نام محصول را پیامک کنید تا لینک‌ها دوباره ارسال شوند.

💬 راه‌های ارتباطی پشتیبانی:
واتس‌اپ یا هر پیام رسان داخلی یا پیامک: 09395106248
تلگرام: @ma_limbs

چکیده

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 past, screening applicants'applicants' conditions often required a significant amount of manual labor, which was time-consuming and labor-intensive. Although the accuracy and reliability of previously used ML models have been continuously improving, the pursuit of more reliable and powerful AI intelligent models is undoubtedly the unremitting pursuit by major banks in the financial industry. In this study, we used a dataset of over 40,000 records provided by a commercial bank as the research object. We compared various dimensionality reduction techniques such as PCA and T-SNE for preprocessing high-dimensional datasets and performed in-depth adaptation and tuning of distributed models such as LightGBM and XGBoost, as well as deep models like Tabnet. After a series of research and processing, we obtained excellent research results by combining SMOTEENN with these techniques. The experiments demonstrated that LightGBM combined with PCA and SMOTEENN techniques can assist banks in accurately predicting potential high-quality customers, showing relatively outstanding performance compared to other models.

چکیده به فارسی (ترجمه ماشینی)

ریسک اعتباری بانکی یک چالش مهم در معاملات مالی مدرن است و امکان شناسایی دارندگان کارت اعتباری واجد شرایط در بین تعداد زیادی از متقاضیان برای سودآوری کسب و کار کارت اعتباری یک بانک بسیار مهم است.در گذشته ، شرایط متقاضیان غربالگری اغلب به مقدار قابل توجهی از کار دستی نیاز داشتند ، که وقت گیر و پر کار بود.اگرچه صحت و قابلیت اطمینان مدل های ML که قبلاً استفاده شده بود به طور مداوم در حال بهبود است ، اما پیگیری مدلهای هوشمند هوش مصنوعی قابل اعتماد تر و قدرتمندتر ، بدون شک پیگیری بی نظیر بانکهای اصلی در صنعت مالی است.در این مطالعه ، ما از مجموعه ای از بیش از 40،000 سوابق تهیه شده توسط یک بانک تجاری به عنوان شی تحقیق استفاده کردیم.ما تکنیک های مختلف کاهش ابعاد مانند PCA و T-SNE را برای پیش پردازش مجموعه داده های با ابعاد بالا مقایسه کردیم و سازگاری عمیق و تنظیم مدل های توزیع شده مانند LightGBM و XGBoost و همچنین مدل های عمیق مانند Tabnet را انجام دادیم.پس از یک سری تحقیق و پردازش ، ما با ترکیب SMOTEENN با این تکنیک ها ، نتایج تحقیقاتی عالی به دست آوردیم.این آزمایشات نشان داد که LightGBM همراه با تکنیک های PCA و SMOTEENN می تواند به بانک ها در پیش بینی دقیق مشتریان بالقوه بالقوه کمک کند و عملکرد نسبتاً برجسته ای را در مقایسه با سایر مدل ها نشان می دهد.

📚 محتوای این محصول آموزشی (پکیج کامل)

علاوه بر مقاله اصلی انگلیسی که دریافت می کنید، برای یادگیری عمیق‌تر و تسلط کامل بر مباحث مجموعه‌ای از کتاب‌های آموزشی نیز ارائه می‌شود.

🎯 این بسته یک دورهٔ آموزشی کامل و چندلایه است؛ شامل ویدیوهای آموزشی، کتاب‌ها، تمرین‌ها و خودآزمایی.

ℹ️ نکات مهم هنگام خرید

  • این محصول به صورت فایل دانلودی کامل ارائه می‌شود.
  • توجه: لینک‌های اختصاصی دوره طی حداکثر 24 ساعت پس از ثبت سفارش ارسال می‌شوند.
  • دقت کنید لینک ها به شماره موبایل شما ارسال می شوند. پس در ارائه شماره موبایل صحیح دقت کنید.
  • برای راهنمایی در مورد نحوه دانلود به شماره 09395106248 پیامک دهید یا تماس بگیرید. (ایده آل ترین گزینه ارسال پیام در یکی از پیام رسان ها به همین شماره است تا سریعا لینک های محصول همان جا برای شما ارسال گردد.)
  • اگر پرداخت انجام شده ولی بعد از 24 ساعت هنوز لینک‌ها را دریافت نکرده‌اید، نام و نام خانوادگی و نام محصول را پیامک کنید تا لینک‌ها دوباره ارسال شوند.

💬 راه‌های ارتباطی پشتیبانی:
واتس‌اپ یا هر پیام رسان داخلی یا پیامک: 09395106248
تلگرام: @ma_limbs

نظرات

هنوز نظری ثبت نشده است.

وارد شوید تا نظر ثبت کنید.