| bibtype |
J -
Journal Article
|
| ARLID |
0411440 |
| utime |
20240103182327.8 |
| mtime |
20060210235959.9 |
| title
(primary) (eng) |
Filter- versus wrapper-based feature selection for credit scoring |
| specification |
|
| serial |
| ARLID |
cav_un_epca*0256802 |
| ISSN |
0884-8173 |
| title
|
International Journal of Intelligent Systems |
| volume_id |
20 |
| volume |
10 (2005) |
| page_num |
985-999 |
| publisher |
|
|
| title
(cze) |
Porovnání filtrovacího a obalovacího přístupu k výběru příznaků v kontextu posuzování kredibility klientů |
| keyword |
feature selection |
| keyword |
credit scoring |
| author
(primary) |
| ARLID |
cav_un_auth*0101197 |
| name1 |
Somol |
| name2 |
Petr |
| institution |
UTIA-B |
| full_dept |
Department of Pattern Recognition |
| fullinstit |
Ústav teorie informace a automatizace AV ČR, v. v. i. |
|
| author
|
| ARLID |
cav_un_auth*0213258 |
| name1 |
Baesens |
| name2 |
B. |
| country |
GB |
|
| author
|
| ARLID |
cav_un_auth*0101182 |
| name1 |
Pudil |
| name2 |
Pavel |
| institution |
UTIA-B |
| full_dept |
Department of Pattern Recognition |
| fullinstit |
Ústav teorie informace a automatizace AV ČR, v. v. i. |
|
| author
|
| ARLID |
cav_un_auth*0213259 |
| name1 |
Vanthienen |
| name2 |
J. |
| country |
BE |
|
| source |
|
| COSATI |
09J |
| cas_special |
| project |
| project_id |
1M0572 |
| agency |
GA MŠk |
| ARLID |
cav_un_auth*0001814 |
|
| project |
| project_id |
GA402/03/1310 |
| agency |
GA ČR |
| ARLID |
cav_un_auth*0009030 |
|
| research |
CEZ:AV0Z10750506 |
| abstract
(eng) |
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. |
| abstract
(cze) |
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. |
| RIV |
BD |
| reportyear |
2006 |
| department |
RO |
| permalink |
http://hdl.handle.net/11104/0131521 |
| ID_orig |
UTIA-B 20050170 |
| arlyear |
2005 |
| mrcbU63 |
cav_un_epca*0256802 International Journal of Intelligent Systems 0884-8173 1098-111X Roč. 20 č. 10 2005 985 999 Wiley |
|