메뉴 건너뛰기
.. 내서재 .. 알림
소속 기관/학교 인증
인증하면 논문, 학술자료 등을  무료로 열람할 수 있어요.
한국대학교, 누리자동차, 시립도서관 등 나의 기관을 확인해보세요
(국내 대학 90% 이상 구독 중)
로그인 회원가입 고객센터 ENG
주제분류
인문학
인문학 일반 역사학 철학 종교학 어문학 기타 인문학
사회과학
사회과학 일반 경영학 관광학 교육학 군사학 문헌정보학 법학 사회학 신문방송학 심리과학 정치외교학 지리학 행정학 경제학 무역학 인류학 기타 사회과학
자연과학
자연과학 일반 물리학 생물학 생활과학 수학·통계학 천문학 지구과학 화학 기타 자연과학
공학
공학 일반 건축공학 기계공학 산업공학 재료·에너지공학 전기전자공학 조선해양공학 화학공학 컴퓨터학 기타공학
의약학
의학 일반 간호학 수의학 약학 한의학 기초의학 임상의학 기타 의약학
농수해양학
농수해양학 일반 농학 수산학 식품과학 임학 축산학 해상운송학 기타 농수해양학
예술체육학
예술 일반 디자인 미술 미용 사진 음악학 의상 체육 공연매체예술 기타 예술체육학
복합학
학제간연구 과학기술학 뇌인지과학 기술정책 기타 복합학

ENG

추천
검색

논문 기본 정보

자료유형
학술저널
저자정보
김진우 (홍익대학교 산업공학과) 지원철 (홍익대학교 산업공학과)
저널정보
한국IT서비스학회 한국IT서비스학회지 한국IT서비스학회지 제11권 제4호
발행연도
2012.1
수록면
233 - 250 (18page)

이용수

표지
📌
연구주제
📖
연구배경
🔬
연구방법
🏆
연구결과
AI에게 요청하기
추천
검색

초록· 키워드

오류제보하기
In this paper, credit card delinquency means the possibility of occurring bad debt within the certain near future from the normal accounts that have no debt and the problem is to predict, on the monthly basis, the occurrence of delinquency 3 months in advance. This prediction is typical binary classification problem but suffers from the issue of data imbalance that means the instances of target class is very few. For the effective prediction of bad debt occurrence, Support Vector Machine (SVM) with kernel trick is adopted using credit card usage and payment patterns as its inputs. SVM is widely accepted in the data mining society because of its prediction accuracy and no fear of overfitting. However, it is known that SVM has the limitation in its ability to processing the large-scale data. To resolve the difficulties in applying SVM to bad debt occurrence prediction, two stage clustering is suggested as an effective data reduction method and ensembles of SVM models are also adopted to mitigate the difficulty due to data imbalance intrinsic to the target problem of this paper. In the experiments with the real world data from one of the major domestic credit card companies, the suggested approach reveals the superior prediction accuracy to the traditional data mining approaches that use neural networks, decision trees or logistics regressions. SVM ensemble model learned from T2 training set shows the best prediction results among the alternatives considered and it is noteworthy that the performance of neural networks with T2 is better than that of SVM with T1. These results prove that the suggested approach is very effective for both SVM training and the classification problem of data imbalance.
#Credit Card Delinquency #Bad Debt #SVM #Support Vector Machine) #Data Imbalance #Ensemble Model #Data Mining

목차

등록된 정보가 없습니다.

참고문헌 (42)

참고문헌 신청
금융감독원 보도자료 / 신용카드사 경영실적 2002～2006 google schola 강필성 / 2005 / 데이터 불균형 문제에서의 SVM 앙상블 기법의 적용 / 한국정보과학회 추계학술대회논문집 31(2):706~708 dbpia 이화경 / 2010 / 신용카드 불법현금융통 적발을 위한 축소된 앙상블 모형 / 지능정보연구 16(1):93~116 dbpia 노태협 / 2005 / 러프집합이론과 사례기반추론을 결합한기업신용평가 모형 / 정보시스템연구 14(1):41~65 dbpia 이영섭 / 2005 / 데이터 마이닝에서 배깅, 부스팅, SVM 분류 알고리즘의 비교 분석 / 응용통계연구 18(2):343~354 dbpia

이 논문의 저자 정보

최근 본 자료

전체보기

댓글(0)

0