Séance de cours

Apprentissage automatique dans la modélisation du risque de crédit

Description

Cette séance de cours explore les défis, les leçons et les possibilités de l'utilisation de l'apprentissage automatique dans la modélisation du risque de crédit. Il compare les modèles d'apprentissage automatique avec les modèles statistiques traditionnels, soulignant les avantages de saisir des relations non linéaires. La séance de cours se penche sur la performance de différents algorithmes d'apprentissage automatique, tels que les réseaux neuronaux artificiels, la forêt aléatoire et le développement. Il traite de la façon dont les modèles d'apprentissage automatique peuvent fournir de meilleurs aperçus, mais peut aussi présenter des défis en termes d'interprétation et de sensibilité aux valeurs aberrantes. L'analyse montre que l'expansion de l'ensemble de données avec des variables comportementales de prêt améliore significativement la puissance prédictive de toutes les méthodes de modélisation.

À propos de ce résultat
Cette page est générée automatiquement et peut contenir des informations qui ne sont pas correctes, complètes, à jour ou pertinentes par rapport à votre recherche. Il en va de même pour toutes les autres pages de ce site. Veillez à vérifier les informations auprès des sources officielles de l'EPFL.

Graph Chatbot

Chattez avec Graph Search

Posez n’importe quelle question sur les cours, conférences, exercices, recherches, actualités, etc. de l’EPFL ou essayez les exemples de questions ci-dessous.

AVERTISSEMENT : Le chatbot Graph n'est pas programmé pour fournir des réponses explicites ou catégoriques à vos questions. Il transforme plutôt vos questions en demandes API qui sont distribuées aux différents services informatiques officiellement administrés par l'EPFL. Son but est uniquement de collecter et de recommander des références pertinentes à des contenus que vous pouvez explorer pour vous aider à répondre à vos questions.