Auteur(s) :
El Annas
Monir
Collectivite(s) Auteur(s) :
INSEA
Type : Thèse/Mémoire
Année de Publication :
2023
Langue : FR
Collation :
117 p.
: graph.,tabl., réf.
Mots-clés :
CREDIT ; MODELE ; APPRENTISSAGE ; CLIENTELE ; APPROCHE ; ETATS UNIS ; PRET ; EMPRUNT ;
CREDIT SCORING.
Cette thèse s' intérêsse à l' application des modèles d' apprentissage automatique en crédit scoring s' inscrivant dans le cadre des approches dédiées à l' évaluation des risques-clients. On développe ainsi un modèle semi-supervisé basé sur les chaînes de Markov cachées, ceci en abordant les techniques de classification supervisée et semi-supervisée appliquées au crédit scoring, suivies de la préparation des données et de l' évaluation et de la sélection de modèles. On fait suivre par le développement d' un modèle de classification semi-supervisé à structure HMM, et enfin l' apprentissage HMM par l' algorithme de recherche à voisinage variable.
N° de la microfiche : 045344