توسعه يك مدل دسته بندي هيبريدي با استفاده الگوريتم ژنتيك و شبكه هاي نيوبيز براي اعتبارسنجي

اعتبارسنجي يك وظيفه مهم براي مؤسسات مالي همچون بانك ها و شركت هاي بيمه مي باشد. در سال هاي اخير، مديريت نامناسب در زمينه تخصيص اعتبار، زيان هاي زيادي را به مؤسسات مالي تحميل كرده و حتي برخي از آنها را تا حد ورشكستگي سوق داده است. اعتبارسنجي با پيش بيني صحيح رفتار مشتريان، ريسك حاصل از اعطاي اعتبار را كاهش مي دهد. اعتبارسنجي به صورت يك مسئلهدسته بندي قابل طرح است كه مشتريان را بر اساس ويژگي هايشان در دو دسته خوب و بد دسته بندي نمايد. هدف اين مقاله، توسعه يك رويكرد يكپارچه اعتبارسنجي با دقت و كارايي بالا مي باشد. اين رويكرد، در مرحله پيش پردازش داده ها براي گسسته سازي داده ها از يك روش خطي و در مرحله مدل سازي از ابزار هاي ژنتيك و نيوبيز در دو حالت منفرد و تركيبي براي دسته بندي استفاده مي نمايد. اين رويكرد، بر روي دو مجموعه داده آلمان در پايگاه داده UCI و يك پايگاه داده كوچك از ايران اجرا شده تا عملكرد رقابتي آنها بررسي شود. نتايج نشان مي دهد كه اين رويكرد، معيارهاي عملكردي دسته بندي اعم از دقت را بهبود مي دهد