Моделирование и анализ кредитоспособности физических лиц

Данная работа посвящена построению оптимальной модели для оценки и анализа кредитоспособности физических лиц с использованием методов машинного обучения. Во введении обоснована актуальность исследования, сформулирована цель работы и перечислены решаемые задачи. В первой главе работы изучена литература по теме исследования, определены основные понятия кредитоспособности, а также факторы, влияющие на кредитоспособность. Также был проведен анализ существующих подходов и методов моделирования для оценки кредитоспособности и выделены наилучшие – методы на основе машинного обучения, принципы которых были математически описаны во второй главе, а также выделены метрики для их оценки. В третьей главе был собран исходный набор данных и проведен его анализ и предобработка, которая включает в себя анализ на пропущенные значения, выбросы, корреляционный анализ. Далее были реализованы выбранные модели машинного обучения, а именно логистическая регрессия, деревья решений, случайный лес и градиентный бустинг. Для оценки эффективности для каждой модели были рассчитаны метрики качества и было установлено, что наилучшим подходом для оценки кредитоспособности является метод градиентного бустинга, использующий деревьях решений в качестве базовых алгоритмов. Работа содержит 40 рисунков, 17 таблиц и 31 формул.