학술논문
신용카드 대손회원 예측을 위한 SVM 모형
이용수 85
- 영문명
- Credit Card Bad Debt Prediction Model based on Support Vector Machine
- 발행기관
- 한국IT서비스학회
- 저자명
- 김진우(Jin Woo Kim) 지원철(Won Chul Jhee)
- 간행물 정보
- 『한국IT서비스학회지』한국IT서비스학회지 제11권 제4호, 233~250쪽, 전체 18쪽
- 주제분류
- 경제경영 > 경영학
- 파일형태
- 발행일자
- 2012.12.31
4,960원
구매일시로부터 72시간 이내에 다운로드 가능합니다.
이 학술논문 정보는 (주)교보문고와 각 발행기관 사이에 저작물 이용 계약이 체결된 것으로, 교보문고를 통해 제공되고 있습니다.
국문 초록
영문 초록
In this paper, credit card delinquency means the possibility of occurring bad debt within the certain near future from the normal accounts that have no debt and the problem is to predict, on the monthly basis, the occurrence of delinquency 3 months in advance. This prediction is typical binary classification problem but suffers from the issue of data imbalance that means the instances of target class is very few.
For the effective prediction of bad debt occurrence, Support Vector Machine (SVM) with kernel trick is adopted using credit card usage and payment patterns as its inputs. SVM is widely accepted in the data mining society because of its prediction accuracy and no fear of overfitting. However, it is known that SVM has the limitation in its ability to processing the large-scale data. To resolve the difficulties in applying SVM to bad debt occurrence prediction, two stage clustering is suggested as an effective data reduction method and ensembles of SVM models are also adopted to mitigate the difficulty due to data imbalance intrinsic to the target problem of this paper.
In the experiments with the real world data from one of the major domestic credit card companies, the suggested approach reveals the superior prediction accuracy to the traditional data mining approaches that use neural networks, decision trees or logistics regressions. SVM ensemble model learned from T2 training set shows the best prediction results among the alternatives considered and it is noteworthy that the performance of neural networks with T2 is better than that of SVM with T1. These results prove that the suggested approach is very effective for both SVM training and the classification problem of data imbalance.
목차
Abstract
1. 서론
2. 신용카드 회원 대손처리 가능성 예측
3. SVM 기반의 분류 모형
4. 대손처리 가능성 예측 모형의 설계
5. 실험
6. 결론
참고문헌
저자소개
키워드
해당간행물 수록 논문
- 생태계 관점에서의 빅데이터 활성화를 위한 구조 연구
- 소셜 미디어 서비스 산업 후발기업의 Catch-up 전략 사례분석
- 스마트폰 이용동기와 활용능력이 스마트패드 사용의도에 미치는 영향에 관한 연구
- 모바일 장치와 공용 디스플레이 장치를 포함하는 환경에서 사용자의 특성에 기반한 Adaptive UI 설계 방안
- 신용카드 대손회원 예측을 위한 SVM 모형
- 원개발자 부재에 따른 원시코드 기반의 단위테스트 노력 분석
- TCO 접근방법을 통한 정부클라우드 SaaS 서비스 전환의 타당성에 관한 연구
- 토큰 크기 및 출현 빈도에 기반한 웹 페이지 유사도
- 소프트웨어 하드웨어 협동설계를 위한 통합모듈을 지원하는 제품자료모델
- 정보시스템 책임감리 도입의 성공모델에 관한 실증연구
- 국내 금융기관의 IT 거버넌스 체계에 관한 연구
- VANET 환경에서 멀티 비콘을 적용한 충돌 회피 알고리즘에 관한 연구
- 제조/서비스 산업의 소프트웨어 융복합 전략
- 그린산업 육성을 위한 농업분야 IT융합기술
- 화주의 자가운송과 영업운송간의 선택
- 정보시스템 성과평가를 위한 형성적 구성변수(Constructs) 및 측정지표 개발
- u-City 구축사업의 지역경제적 파급효과에 관한 연구
- RFID 기반 정보시스템을 위한 보안감리 점검항목 연구
- 데이터 품질진단을 위한 자동화도구 개발
- 정보기술(IT)을 활용한 기업의 혁신 추진 전략과 핵심성공요인 도출
참고문헌
교보eBook 첫 방문을 환영 합니다!
신규가입 혜택 지급이 완료 되었습니다.
바로 사용 가능한 교보e캐시 1,000원 (유효기간 7일)
지금 바로 교보eBook의 다양한 콘텐츠를 이용해 보세요!