GRADIENT BOOSTING (XGBOOST) YORDAMIDA KREDIT RISKINI BAHOLASH
Keywords:
Kalit so‘zlar: XGBoost, Prognozlash, Mashinali o‘qitish, AUC-ROC, MatrixAbstract
Annotatsiya: Ushbu maqolada kredit riskini baholash uchun Gradient Boosting
va uning samaradorligi oshirilgan turi — XGBoost algoritmi qo‘llanilishi tahlil
qilinadi. Maqolada kredit riskining mohiyati, ma’lumotlarni tayyorlash bosqichlari,
modelni qurish va baholash jarayoni bosqichma-bosqich ko‘rsatildi. Bu yondashuv
bank tizimlarida qarz berish qarorlarini avtomatlashtirish, moliyaviy xavflarni
kamaytirish va kredit portfellarini optimallashtirishda muhim ahamiyat kasb etadi.
Eksperimental tavsif va baholash metrikalari orqali XGBoost modelining an’anaviy
usullarga nisbatan afzalliklari yoritiladi.
References
Foydalanilgan adabiyotlar
1. XGBoost: A Scalable Tree Boosting System.Proceedings of the 22nd ACM
SIGKDD International Conference on Knowledge Discovery and Data Mining
2. Master Machine Learning Algorithms. Machine Learning Mastery.
3. Hastie, T. The Elements of Statistical Learning. Springer.
