Yosh olimlar 4-jild 59-son (2026) · 153–154-betlar

ГРАДИЕНТНЫЙ БУСТИНГ В СИСТЕМАХ КРЕДИТНОГО СКОРИНГА: СРАВНИТЕЛЬНЫЙ АНАЛИЗ АЛГОРИТМОВ XGBOOST, LIGHTGBM И CATBOOST

Шухратова, М.И.

DOI: 10.5281/zenodo.20773015 · Manbada o'qish → · PDF (manba serverida)

Annotatsiya

Классические подходы к оценке кредитного риска, такие как логистическая регрессия и экспертные системы, базируются на ограниченном наборе финансовых показателей и не учитывают сложные нелинейные зависимости в данных. В современных условиях, характеризующихся ростом объемов разнородной информации (транзакционные данные, цифровой след клиентов, поведенческие характеристики), такие методы демонстрируют снижение прогностической способности. Машинное обучение (МО) предлагает принципиально иной подход к решению данной задачи. Алгоритмы, основанные на градиентном бустинге (XGBoost, LightGBM, CatBoost), а также нейронные сети (LSTM, GRU), позволяют эффективно обрабатывать большие массивы структурированных и неструктурированных данных.

Metadata manbasi: jurnal OAI-PMH arxivi · Sindex to'liq matnni saqlamaydi, manbaga havola beradi.