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
- Đánh giá tình trạng nhiễm trùng huyết tại đơn vị Ghép tế bào gốc- khoa Huyết học - bệnh viện Chợ Rẫy từ năm 2017 đến 6 tháng đầu năm 2024
- Đánh giá đáp ứng sau hóa trị tân hỗ trợ bằng phác đồ Docetaxel, Carboplatin và Trastuzumab ở bệnh nhân ung thư vú có thụ thể HER2 dương tính giai đoạn II, III
- Nghiên cứu tỉ lệ cắt tuyến phó giáp không chủ ý trong phẫu thuật cắt giáp và nạo hạch cổ nhóm vi tại Bệnh viện Ung Bướu Thành phố Hồ Chí Minh năm 2023
- Vai trò của thời gian nhân đôi thyroglobulin trong đánh giá tái phát, di căn ở bệnh nhân ung thư tuyến giáp thể biệt hóa
- Đánh giá bước đầu phẫu thuật đoạn chậu trong ung thư phụ khoa initial





