ебе зарекомендували чи ні.
Вихідними для інтелектуального аналізу є вибірка з бази даних про клієнтів. Підрозділяючись вибірку на дві групи: хороші кредити і погані . Це виправдано тим, що кредитний фахівець при ухваленні рішення про кредитування на першому етапі вибирає з двох варіантів: давати кредит чи ні.
Наведемо фрагменти, вибрані з бази знань, які будуть прийняті за еталонні матриці при виконанні процедури навчання з експертом:
Хороші кредити:
1 18 4 2 1049 1 2 4 2 1 4 2 21 3 1 1 3 1 1
1 9 4 0 2799 1 3 2 3 1 2 1 36 3 1 2 3 2 1
2 12 2 9 841 2 4 2 2 1 4 1 23 3 1 1 2 1 1
4 18 4 3 1098 1 1 4 2 1 4 3 65 3 2 2 1 1 1
2 24 2 3 3758 3 1 1 2 1 4 4 23 3 1 1 1 1 1
Погані кредити:
20 4 0 2235 1 3 4 4 3 2 2 33 1 1 2 3 1 1
1 12 4 0 2171 1 3 4 3 1 4 2 38 1 2 2 2 1 1
1 10 4 0 2241 1 2 1 3 1 3 1 48 3 1 2 2 2 1
1 8 4 0 3398 1 4 1 3 1 4 1 39 3 2 2 2 1 1
1 6 4 0 1361 1 2 2 3 1 4 1 40 3 2 1 2 2 1
Для виконання процедури самонавчання взята наступна матриця, що складається упереміш з поганих і хороших кредитів :
1 8 4 0 3398 1 4 1 3 1 4 1 39 3 2 2 2 1 1
1 6 4 0 1361 1 2 2 3 1 4 1 40 3 2 1 2 2 1
4 18 4 3 1098 1 1 4 2 1 4 3 65 3 2 2 1 1 1
2 24 2 3 3758 3 1 1 2 1 4 4 23 3 1 1 1 1 1
1 11 4 0 3905 1 3 2 3 1 2 1 36 3 1 2 3 2 1
Для формування індексів оцінки кредитних ризиків, були взяті такі показники кредитів з бази даних:
1 18 4 2 1049 1 2 4 2 1 4 2 21 3 1 1 3 1 1
1 9 4 0 2799 1 3 2 3 1 2 1 36 3 1 2 3 2 1
2 12 2 9 841 2 4 2 2 1 4 1 23 3 1 1 2 1 1
4 18 4 3 1098 1 1 4 2 1 4 3 65 3 2 2 1 1 1
2 24 2 3 3758 3 1 1 2 1 4 4 23 3 1 1 1 1 1
1 12 4 0 2122 1 3 3 3 1 2 1 39 3 1 2 2 2 1
1 12 4 0 2171 1 3 4 3 1 4 2 38 1 2 2 2 1 1
1 10 4 0 2241 1 2 1 3 1 3 1 48 3 1 2 2 2 1
1 8 4 0 3398 1 4 1 3 1 4 1 39 3 2 2 2 1 1
1 6 4 0 1361 1 2 2 3 1 4 1 40 3 2 1 2 2 1
На основі цієї обраної бази знань буде реалізована система розпізнавання кредитів з середовищі розробки Matlab.
