Ứng dụng phương pháp học máy trong dự báo rủi ro phá sản của các doanh nghiệp Việt Nam
Tác giả: Trương Thị Thùy Dương, Lê Hải Trung
Số trang:
Tr. 44-53
Tên tạp chí:
Kinh tế & phát triển
Số phát hành:
Số 310
Kiểu tài liệu:
Tạp chí trong nước
Nơi lưu trữ:
209 Phan Thanh
Mã phân loại:
658
Ngôn ngữ:
Tiếng Việt
Từ khóa:
Phá sản, Logistic, Random Forest, Extreme Gradient Boosting, K-Nearest Neighboor, Naïve Bayses
Tóm tắt:
Dự báo rủi ro phá sản của doanh nghiệp đóng vai trò quan trọng trong việc đưa ra các cảnh báo sớm cho các doanh nghiệp. Các nghiên cứu đánh giá rủi ro phá sản sử dụng các phương pháp thống kê truyền thống và mô hình học máy. Trong nghiên cứu này sử dụng hồi quy logistic và các mô hình học máy để dự báo rủi ro phá sản của các doanh nghiệp Việt Nam. Nghiên cứu đi kiểm chứng tính hiệu quả của các mô hình học máy so với thống kê truyền thống và kiểm tra tính hiệu quả của các mô hình học máy. Kết quả cho thấy sự ưu thế của mô hình XGBoost và Random Forest so với logistic và các phương pháp khác.
Tạp chí liên quan
- Đặc điểm lâm sàng, cận lâm sàng bệnh nhân gãy kín đầu dưới xương đùi được phẫu thuật kết hợp xương bằng nẹp khóa tại Bệnh viện Đa khoa Trung ương Cần Thơ
- Phân tích một số yếu tố liên quan đến thực trạng nuôi dưỡng ở người bệnh viêm tụy cấp tại Bệnh viện Đại học Y Hà Nội
- Thực trạng hội chứng dễ bị tổn thương ở người bệnh cao tuổi mắc suy tim mạn tính
- Đặc điểm hình ảnh thoát vị đĩa đệm trên cộng hưởng từ và triệu chứng lâm sàng ở bệnh nhân chèn ép rễ thần kinh hông to
- Thực trạng cấp cứu ngoại viện bệnh nhân chấn thương sọ não tại một số Bệnh viện tại Hà Nội





