این سایت در حال حاضر پشتیبانی نمی شود و امکان دارد داده های نشریات بروز نباشند
مدیریت فناوری اطلاعات، جلد ۲، شماره ۴، صفحات ۰-۰
عنوان فارسی به کارگیری الگوریتم ژنتیک در بهینه‌سازی درختان تصمیم‌گیری برای اعتبارسنجی مشتریان بانک‌ها
چکیده فارسی مقاله درختان تصمیم‌گیری به عنوان یکی از تکنیک‌‌های داده‌کاوی می‌‌توانند به اعتبارسنجی مشتریان بانکی بپردازند. مسئله‌ی اصلی ساخت درختان تصمیم‌‌گیری است که بتوانند به طور بهینه مشتریان را طبقه‌بندی کنند. در این مقاله یک مدل مناسب اعتبارسنجی مشتریان بانک‌‌ها برای اعطای تسهیلات اعتباری متناسب با هر طبقه مبتنی بر الگوریتم ژنتیک ارایه می‌‌شود. الگوریتم‌‌های ژنتیک می‌‌توانند با انتخاب ویژگی‌‌های مناسب و ساخت درختان تصمیم‌‌گیری بهینه به اعتبارسنجی مشتریان کمک کنند. در ساخت این مدل فرآیند توسعه در شناخت الگو و فرآیند CRISP برای اعتبارسنجی مشتریان به‌کار رفته است. مدل طبقه‌بندی پیشنهادی مبتنی بر تکنیک‌‌های خوشه‌بندی، انتخاب ویژگی‌‌ها، درختان تصمیم‌‌گیری و الگوریتم ژنتیک است. این مدل به انتخاب و ترکیب بهترین درختان تصمیم‌‌گیری مبتنی بر معیارهای بهینگی و ساخت درخت تصمیم‌‌گیری نهایی برای اعتبارسنجی مشتریان می‌‌پردازد. نتایج نشان می‌‌دهد که دقت طبقه‌‌بندی مدل طبقه‌‌بندی پیشنهادی به‌طورتقریبی از تمام مدل‌‌های درخت تصمیم‌‌گیری مقایسه شده در این مقاله بالاتر است. هم‌چنین تعداد برگ‌ها و اندازه‌ی درخت تصمیم‌‌گیری و در نتیجه‌ی پیچیدگی آن از همه کمتر است.
کلیدواژه‌های فارسی مقاله
عنوان انگلیسی Using Genetic Algorithm in Optimizing Decision Trees for Credit Scoring of Banks Customers
چکیده انگلیسی مقاله Decision trees as one of the data mining techniques, is used in credit scoring of bank customers. The main problem is the construction of decision trees in that they can classify customers optimally. This paper proposes an appropriate model based on genetic algorithm for credit scoring of banks customers in order to offer credit facilities to each class. Genetic algorithm can help in credit scoring of customers by choosing appropriate features and building optimum decision trees. Development process in pattern recognition and CRISP process are used in credit scoring of customers in construction of this model. The proposed classification model is based on clustering, feature selection, decision trees and genetic algorithm techniques. This model select and combine the best decision tree based on the optimality criteria and constructs the final decision tree for credit scoring of customers. Results show that the accuracy of proposed classification model is more than almost the entire decision tree models compared in this paper. Also the number of leaves and the size of decision tree i.e. its complexity is less than the other models.
کلیدواژه‌های انگلیسی مقاله
نویسندگان مقاله محمود البرزی |
واحد علوم تحقیقات

محمد ابراهیم محمد پورزرندی | mohammad ebrahim
دانشگاه آزاد تهران مرکز
سازمان اصلی تایید شده: دانشگاه آزاد اسلامی تهران مرکز (Islamic azad university of tehran central)

محمد خان بابایی |
واحد علوم و تحقیقات

نشانی اینترنتی http://jitm.ut.ac.ir/article_20908_b51005cfab527c718ddf47657cc610d9.pdf
فایل مقاله اشکال در دسترسی به فایل - ./files/site1/rds_journals/1085/article-1085-210425.pdf
کد مقاله (doi)
زبان مقاله منتشر شده fa
موضوعات مقاله منتشر شده
نوع مقاله منتشر شده
برگشت به: صفحه اول پایگاه   |   نسخه مرتبط   |   نشریه مرتبط   |   فهرست نشریات