Filter- versus wrapper-based feature selection for credit scoring

0411440 - UTIA-B 20050170 RIV US eng J - Článek v odborném periodiku
Somol, Petr - Baesens, B. - Pudil, Pavel - Vanthienen, J.
Filter- versus wrapper-based feature selection for credit scoring.
[Porovnání filtrovacího a obalovacího přístupu k výběru příznaků v kontextu posuzování kredibility klientů.]
International Journal of Intelligent Systems. Roč. 20, č. 10 (2005), s. 985-999. ISSN 0884-8173. E-ISSN 1098-111X
Grant CEP: GA MŠMT 1M0572; GA ČR GA402/03/1310
Výzkumný záměr: CEZ:AV0Z10750506
Klíčová slova: feature selection * credit scoring
Kód oboru RIV: BD - Teorie informace
Impakt faktor: 0.657, rok: 2005
http://library.utia.cas.cz/separaty/historie/somol-filter- versus wrapper-based feature selection for credit scoring.pdf

We address the problem of credit scoring as a classification and feature selection problem. Based on the current framework of FS methods, we identify features that contain the most relevant information to distinguish good loan payers from bad ones. The FS methods are validated on several real world datasets with different types of classifiers. We show the advantages following from using the sub-space approach to classification. We discuss practical issues and difficulties related to the applicability of FS.

Přistupujeme k problému kredibility klientů jakožto klasifikačnímu problému s výběrem příznaků. S využitím současných metod identifikujeme příznaky nesoucí nejpodstatnější informaci k rozlišení dobře splácejících dlužníků od zlých neplatičů. Metody výběru ověřujeme na různých datových souborech a různých klasifikátorech. Ukazujeme výhody podprostorového přístupu. Diskutujeme praktické otázky a obtíže spojené s aplikovatelností výběru příznaků.
Trvalý link: http://hdl.handle.net/11104/0131521