A copy of this work was available on the public web and has been preserved in the Wayback Machine. The capture dates from 2020; you can also visit the original URL.
The file type is application/pdf
.
MISSING IMPUTATION ALGORITHMS FOR CREDIT SCORING PROBLEMS
СПОСОБЫ РАБОТЫ С ПРОПУЩЕННЫМИ ДАННЫМИ ДЛЯ ЗАДАЧ КРЕДИТНОГО СКОРИНГА
2020
Bulletin of the Altai Academy of Economics and law
СПОСОБЫ РАБОТЫ С ПРОПУЩЕННЫМИ ДАННЫМИ ДЛЯ ЗАДАЧ КРЕДИТНОГО СКОРИНГА
Ключевые слова: моделирование, кредитный скоринг, машинное обучение, пропуски в данных, бинарная классификация. Одной из важных проблем, возникающих в ходе построения моделей кредитного скоринга, является необходимость работать с пропусками в данных. Пропущенные наблюдения могут иметь очевидную экономическую природу, либо не иметь ее вовсе и быть вызванными техническими ошибками в системах хранения данных. В связи с этим возникает необходимость восстанавливать пропущенные значения таким
doi:10.17513/vaael.1157
fatcat:nouc7imw7zarrervf7bue4ecvq