Shortcuts
Top of page (Alt+0)
Page content (Alt+9)
Page menu (Alt+8)
Your browser does not support javascript, some WebOpac functionallity will not be available.
PageMenu
-
Hauptmenü
-
Suchmenü
Einfache Suche
.
Erweiterte Suche
.
Zeitschriften-Suche
.
Suchergebnisse verfeinern
.
Neuerwerbungsliste nach Gruppen
.
Sortierreihenfolge
.
Benutzerdienste
Nutzeranmeldung
.
Mein Konto
.
Erwerbungsvorschlag
.
Fernleihe
.
Vormerkung
.
Verlängerung
.
Weitere Recherchemöglichkeiten
Datenbankinfosystem (DBIS)
.
Karlsruher virtueller Katalog (KVK)
.
Regensburger Systematik (RVK)
.
Elektronische Zeitschriften (EZB)
.
Zeitschriftendatenbank (ZDB)
.
Sitzung beenden
Katalog verlassen
.
Homepage WHZ
.
Hochschulbibliothek
.
© LIBERO v6.4.1sp240211
Page content
Sie befinden sich hier
:
>
Benutzungsbedingungen akzeptieren
Katalogdatenanzeige
Katalogdatenanzeige
Application of AI in credit scoring modeling
.
Bookmark für diesen Satz setzen
Katalogdatensatz500375865
.
.
Wikipedia-Verfasserlink
.
.
LibraryThing
.
Kataloginformation
Katalogdatensatz500375865
.
Kataloginformation
Feldname
Details
Vorliegende Sprache
eng
ISBN
978-3-658-40179-5
978-3-658-40181-8
Name
Popovych, Bohdan ¬[VerfasserIn]¬
T I T E L
Application of AI in credit scoring modeling
Verlagsort
Wiesbaden
Wiesbaden
Verlag
Springer Fachmedien Wiesbaden
Imprint: Springer Gabler
Erscheinungsjahr
2022
2022
2022
Umfang
1 Online-Ressource(XV, 83 p. 22 illus. Textbook for German language market.)
Reihe
BestMasters
Hochschulschriftenvermerk
$bMasterarbeit$cUniversity of Applied Sciences BFI Vienna$d2021
Titelhinweis
Erscheint auch als (Druck-Ausgabe)ISBN: 978-3-658-40179-5
Erscheint auch als (Druck-Ausgabe)ISBN: 978-3-658-40181-8
ISBN
ISBN 978-3-658-40180-1
Klassifikation
KNST
BUS070140
332.17
Kurzbeschreibung
Introduction -- Theoretical Concepts of Credit Scoring -- Credit Scoring Methodologies -- Empirical Analysis -- Conclusion -- References.
2. Kurzbeschreibung
The scope of this study is to investigate the capability of AI methods to accurately detect and predict credit risks based on retail borrowers' features. The comparison of logistic regression, decision tree, and random forest showed that machine learning methods are able to predict credit defaults of individuals more accurately than the logit model. Furthermore, it was demonstrated how random forest and decision tree models were more sensitive in detecting default borrowers. About the author MA Bohdan Popovych is a data scientist and a researcher in quantitative finance. The main scientific focus of the author is application of advanced analytics and artificial intelligence in finance and economics.
SWB-Titel-Idn
1826868429
Signatur
Springer E-Book
Bemerkungen
Elektronischer Volltext - Campuslizenz
Elektronische Adresse
$uhttps://doi.org/10.1007/978-3-658-40180-1
Internetseite / Link
Resolving-System
Siehe auch
Cover
.
ISBD-Anzeige
Katalogdatensatz500375865
.
Kategorien-Anzeige
Katalogdatensatz500375865
.
Verwandte Werke
Katalogdatensatz500375865
.
Titel zur Titelsammlung hinzufügen
Katalogdatensatz500375865
.
Kataloginformation500375865
Datensatzanfang
.
Kataloginformation500375865
Seitenanfang
.
Titel vormerken
Katalogdatensatz500375865
Vollanzeige Katalogdaten
Auf diesem Bildschirm erhalten Sie Katalog- und Exemplarinformationen zum ausgewählten Titel.
Im Bereich
Kataloginformation
werden die bibliographischen Details angezeigt. Per Klick auf Hyperlink-Begriffe wie Schlagwörter, Autoren, Reihen, Körperschaften und Klassifikationen können Sie sich weitere Titel des gewählten Begriffes anzeigen lassen.
Der Bereich
Exemplarinformationen
enthält zum einen Angaben über den Standort und die Verfügbarkeit der Exemplare. Zum anderen haben Sie die Möglichkeit, ausgeliehene Exemplare vorzumerken oder Exemplare aus dem Magazin zu bestellen.
Schnellsuche
Suche nach