지원사업
학술연구/단체지원/교육 등 연구자 활동을 지속하도록 DBpia가 지원하고 있어요.
커뮤니티
연구자들이 자신의 연구와 전문성을 널리 알리고, 새로운 협력의 기회를 만들 수 있는 네트워킹 공간이에요.
논문 기본 정보
- 자료유형
- 학술대회자료
- 저자정보
- 발행연도
- 2005.11
- 수록면
- 509 - 515 (7page)
이용수
초록· 키워드
오류제보하기
Recently, support vector machines (SVMs) are being recognized as competitive tools as compared with other data mining techniques for solving pattern recognition or classification decision problems. Furthermore, many researches, in particular, have proved it more powerful than traditional artificial neural networks (ANNs) (Amendolia et al., 2003; Huang et al., 2004, Huang et al., 2005; Tay and Cao, 2001; Min and Lee, 2005; Shin et al., 2005; Kim, 2003).
The classification decision, such as a binary or multi-class decision problem, used by any classifier, i.e. data mining techniques is cost-sensitive. Therefore, it is necessary to convert the outputs of the classifier into well-calibrated posterior probabilities. However, SVMs basically do not provide such probabilities. So it required to use any method to create probabilities (Platt, 1999; Drish, 2001).
This study applies a method to estimate the probability of outputs of SVM to bankruptcy prediction and then suggests credit scoring methods using the estimated probability for bank's loan decision making.
The classification decision, such as a binary or multi-class decision problem, used by any classifier, i.e. data mining techniques is cost-sensitive. Therefore, it is necessary to convert the outputs of the classifier into well-calibrated posterior probabilities. However, SVMs basically do not provide such probabilities. So it required to use any method to create probabilities (Platt, 1999; Drish, 2001).
This study applies a method to estimate the probability of outputs of SVM to bankruptcy prediction and then suggests credit scoring methods using the estimated probability for bank's loan decision making.
목차
Abstract
Introduction
Classification Techniques for Corporate Credit Rating Analysis
Probability Estimation Using Support Vector Machines
Research Framework
Experiments and Results
Conclusions
References
참고문헌 (0)
참고문헌 신청함께 읽어보면 좋을 논문
논문 유사도에 따라 DBpia 가 추천하는 논문입니다. 함께 보면 좋을 연관 논문을 확인해보세요!
-
Corporate Credit Rating based on Bankruptcy Probability Using AdaBoost Algorithm-based Support Vector Machine
지능정보연구
2011 .09
-
Corporate credit rating prediction using support vector machines
한국지능정보시스템학회 학술대회논문집
2005 .11
-
SVM 기반 결정 트리 구조를 이용한 목표물 식별 알고리즘
대한전자공학회 학술대회
2012 .06
-
Support Vector Machine (SVM) based Voltage Stability Classifier
대한전기학회 학술대회 논문집
2006 .11
-
Support Vector Machine을 이용한 개산견적 평가모델에 관한 연구
대한건축학회 논문집 - 구조계
2005 .12
-
커널 함수를 이용한 Support Vector Machine 의 성능 분석
대한전자공학회 학술대회
2009 .07
-
혼합변수를 갖는 데이터의 분류를 위한 하이브리드 분류기
대한산업공학회지
2017 .10
-
Multi-Class SVM+MTL for the Prediction of Corporate Credit Rating with Structured Data
한국지능정보시스템학회 학술대회논문집
2014 .05
-
Development of Intelligent Credit Rating System using Support Vector Machines
한국정보통신학회논문지
2005 .11
-
Support Vector Machines을 이용한 다중 클래스 문제 해결
정보과학회논문지 : 소프트웨어 및 응용
2005 .12
-
신용카드 매출정보를 이용한 SVM 기반 소상공인 부실예측모형
산업공학 (IE interfaces)
2007 .12
-
Support Vector Machine을 이용한 사진 자동 분류
대한전자공학회 학술대회
2009 .07
-
Combining genetic algorithms and support vector machines for banktruptcy prediction
한국지능정보시스템학회 학술대회논문집
2004 .11
-
앙상블 구성을 이용한 SVM 분류성능의 향상
정보과학회논문지 : 소프트웨어 및 응용
2003 .04
-
Classification of Textured Images Based on Discrete Wavelet Transform and Information Fusion
JIPS(Journal of Information Processing Systems)
2015 .01
-
단계적 SVM(Support Vector Machine)을 이용한 반도체 제조공정에서의 최종검사 공정 수율 예측 방법론
대한산업공학회 춘계공동학술대회 논문집
2009 .05
-
다중클래스 SVM을 위한 Self Organizing Map을 이용한 이진트리
대한전자공학회 학술대회
2010 .06
-
Support vector machines with optimal instance selection: An application to bankruptcy prediction
한국지능정보시스템학회 학술대회논문집
2006 .06
이 논문의 저자 정보
이 논문과 함께 이용한 논문
최근 본 자료
댓글(0)
0
UCI(KEPA) : I410-ECN-0101-2009-003-015436046