dc.contributor.author | Μητροπούλου, Αικατερίνη | el |
dc.contributor.author | Mitropoulou, Aikaterini | en |
dc.date.accessioned | 2018-11-19T09:10:50Z | |
dc.date.available | 2018-11-19T09:10:50Z | |
dc.date.issued | 2018-11-19 | |
dc.identifier.uri | https://dspace.lib.ntua.gr/xmlui/handle/123456789/48033 | |
dc.identifier.uri | http://dx.doi.org/10.26240/heal.ntua.8931 | |
dc.description | Εθνικό Μετσόβιο Πολυτεχνείο--Μεταπτυχιακή Εργασία. Διεπιστημονικό-Διατμηματικό Πρόγραμμα Μεταπτυχιακών Σπουδών (Δ.Π.Μ.Σ.) “Εφαρμοσμένες Μαθηματικές Επιστήμες” | el |
dc.rights | Αναφορά Δημιουργού - Μη Εμπορική Χρήση - Παρόμοια Διανομή 3.0 Ελλάδα | * |
dc.rights.uri | http://creativecommons.org/licenses/by-nc-sa/3.0/gr/ | * |
dc.subject | Machine-learning | en |
dc.subject | Μηχανική μάθηση | el |
dc.subject | Θεωρια πληροφοριών | el |
dc.subject | Χρηματοπιστωτική φερεγγυότητα | el |
dc.subject | Information theory | en |
dc.subject | Credit default | en |
dc.subject | Supervised learning | en |
dc.subject | Επιβλεπόμενη μάθηση | el |
dc.subject | Μετρα πληροφορίας | el |
dc.subject | Information theory measures | en |
dc.title | Μηχανική Μάθηση και Μέτρα Πληροφορίας στην πρόβλεψη Χρηματοπιστωτικής Φερεγγυότητας | el |
dc.title | Machine Learning and Information Theory Measures in financial solvency prediction | en |
heal.type | masterThesis | |
heal.classification | ΣΤΑΤΙΣΤΙΚΗ ΚΑΙ ΜΑΘΗΜΑΤΙΚΑ | el |
heal.classification | ΜΑΘΗΜΑΤΙΚΕΣ ΜΕΘΟΔΟΙ, ΜΟΝΤΕΛΑ ΠΡΟΓΡΑΜΜΑΤΙΣΜΟΥ, ΜΑΘΗΜΑΤΙΚΑ ΜΟΝΤΕΛΑ ΚΑΙ ΜΟΝΤΕΛΑ ΠΡΟΣΟΜΟΙΩΣΗΣ | el |
heal.classification | ΒΑΣΙΚΗ ΜΗΧΑΝΙΚΗ ΜΑΘΗΣΗ | el |
heal.classification | ΜΟΝΤΕΛΟΠΟΙΗΣΗ ΔΕΔΟΜΕΝΩΝ | el |
heal.classification | mathematics and statistics | en |
heal.classification | Machine learning | el |
heal.classification | Supervised learning (Machine learning) | el |
heal.classification | Forecasting | el |
heal.classification | Information theory | en |
heal.classification | ΘΕΩΡΙΑ ΤΗΣ ΠΛΗΡΟΦΟΡΙΑΣ ΚΑΙ ΤΗΣ ΕΠΙΚΟΙΝΩΝΙΑΣ | el |
heal.classificationURI | http://data.seab.gr/concepts/612439338f883f5eb6bd1c572627da57a3b10bfb | |
heal.classificationURI | http://data.seab.gr/concepts/6ca5fa29c7950767cbdff3b3c2db129576fe533a | |
heal.classificationURI | http://data.seab.gr/concepts/fec24cd140d4b110c225ac68fec062a57fb86360 | |
heal.classificationURI | http://data.seab.gr/concepts/c7301e925a2837b1aba7035920723a45d112f866 | |
heal.classificationURI | http://lod.nal.usda.gov/6369 | |
heal.classificationURI | http://id.loc.gov/authorities/subjects/sh85079324 | |
heal.classificationURI | http://id.loc.gov/authorities/subjects/sh94008290 | |
heal.classificationURI | http://id.loc.gov/authorities/subjects/sh85050485 | |
heal.classificationURI | http://id.loc.gov/authorities/subjects/sh85066289 | |
heal.classificationURI | http://data.seab.gr/concepts/66db7aa328880ca4aca86bfcd08f388a79fe7590 | |
heal.language | el | |
heal.access | free | |
heal.recordProvider | ntua | el |
heal.publicationDate | 2018-09-18 | |
heal.abstract | Αντικείμενο της παρούσας Μεταπτυχιακής Διατριβής αποτελεί η ανάδειξη της πρακτικής χρησιμότητας των μεθόδων επιλογής χαρακτηριστικών με χρήση μέτρων πληροφορίας, στη διαδικασία εξόρυξης δεδομένων. Αυτό επιτυγχάνεται μέσω της παρουσίασης και συγκριτικής αξιολόγησης μεθόδων μηχανικής μάθησης, σε συνδυασμό με τη μέθοδο επιλογής χαρακτηριστικών mRMR σε ένα πραγματικό σύνολο δεδομένων από τον τραπεζοοικονομικό τομέα. Συγκεκριμένα, προτείνεται μια ολοκληρωμένη μεθοδολογία ανάλυσης για την πρόβλεψη της χρηματοπιστωτικής φερεγγυότητας των πελατών μιας τράπεζας, δεδομένων των ιστορικών οικονομικών τους στοιχείων. Προκειμένου να γίνει η ορθή ταξινόμηση κάθε πελάτη σε κατηγορίες (ικανότητα ή αδυναμία πληρωμής), η προτεινόμενη μεθοδολογία περιλαμβάνει την υλοποίηση συγκεκριμένων βημάτων, με κυριότερα την προεπεξεργασία των διαθέσιμων δεδομένων, την επιλογή των βέλτιστων χαρακτηριστικών που θα χρησιμοποιηθούν κατά τη διαδικασία πρόβλεψης, την εκπαίδευση των αντίστοιχων μοντέλων μηχανικής μάθησης και την αξιολόγησή τους, ώστε να αναδειχθεί εκείνο που επιτυγχάνει την μεγαλύτερη απόδοση. Παράλληλα, με την προαναφερθείσα πρακτική εφαρμογή, στα πλαίσια της διατριβής γίνεται αναλυτική περιγραφή του απαιτούμενου θεωρητικού και μαθηματικού υποβάθρου των μεθόδων που χρησιμοποιούνται. | el |
heal.advisorName | Κουκουβίνος, Χρήστος | el |
heal.advisorName | Koukouvinos, Christos | en |
heal.committeeMemberName | Κουκουβίνος, Χρήστος | el |
heal.committeeMemberName | Κουκουβίνος, Χρήστος | el |
heal.academicPublisher | Εθνικό Μετσόβιο Πολυτεχνείο. Σχολή Εφαρμοσμένων Μαθηματικών και Φυσικών Επιστημών | el |
heal.academicPublisherID | ntua | |
heal.numberOfPages | 205 σ. | en |
heal.fullTextAvailability | true |
Οι παρακάτω άδειες σχετίζονται με αυτό το τεκμήριο: