کد مقاله کد نشریه سال انتشار مقاله انگلیسی نسخه تمام متن
6904449 862804 2016 31 صفحه PDF دانلود رایگان
عنوان انگلیسی مقاله ISI
Technology credit scoring model with fuzzy logistic regression
ترجمه فارسی عنوان
مدل رتبه بندی اعتبار فناوری با رگرسیون لجستیک فازی
کلمات کلیدی
نمره فناوری فناوری، مدل پیش بینی فازی رگرسیون لجستیک فازی،
ترجمه چکیده
مدل های به دست آوردن اعتبار فناوری برای شرکت های متقاضی وام بر اساس تکنولوژی آنها استفاده شده است. به طور معمول یک مدل رگرسیون لجستیک برای ارتباط احتمال احتمال وام از شرکت ها با چند ویژگی ارزیابی مرتبط با تکنولوژی مورد استفاده قرار می گیرد. با این حال، این صفات در عبارات زبانی بیان شده توسط تعداد فازی ارزیابی می شوند. علاوه بر این، امکان پیش بینی وام نیز می تواند در شرایط شفاهی توضیح داده شود. برای رسیدگی به این داده های ورودی و خروجی فازی، ما یک مدل امتیازدهی اعتبار فازی ارائه می دهیم که می توان آن را برای پیش بینی احتمال پیش فرض وام برای یک شرکت که بر اساس تکنولوژی آن تایید شده است، مورد استفاده قرار می دهد. روش رگرسیون لجستیک فازی به عنوان رویکرد مناسب پیش بینی برای ارزیابی اعتبار با استفاده از ورودی و خروجی فازی در این تحقیق ارائه شده است. عملکرد مدل در مقایسه با رگرسیون لجستیک معمولی بهبود یافته است. انتظار می رود این مطالعه مورد استفاده قرار گیرد به استفاده عملی از امتیاز اعتبار فناوری با ویژگی های ارزیابی زبانی کمک کند.
موضوعات مرتبط
مهندسی و علوم پایه مهندسی کامپیوتر نرم افزارهای علوم کامپیوتر
پیش نمایش مقاله
مدل رتبه بندی اعتبار فناوری با رگرسیون لجستیک فازی
چکیده انگلیسی
Technology credit scoring models have been used to screen loan applicant firms based on their technology. Typically a logistic regression model is employed to relate the probability of a loan default of the firms with several evaluation attributes associated with technology. However, these attributes are evaluated in linguistic expressions represented by fuzzy number. Besides, the possibility of loan default can be described in verbal terms as well. To handle these fuzzy input and output data, we proposed a fuzzy credit scoring model that can be applied to predict the default possibility of loan for a firm that is approved based on its technology. The method of fuzzy logistic regression as an appropriate prediction approach for credit scoring with fuzzy input and output was presented in this study. The performance of the model is improved compared to that of typical logistic regression. This study is expected to contribute to practical utilization of the technology credit scoring with linguistic evaluation attributes.
ناشر
Database: Elsevier - ScienceDirect (ساینس دایرکت)
Journal: Applied Soft Computing - Volume 43, June 2016, Pages 150-158
نویسندگان
, , ,