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
- Phân tích và khuyến nghị hoàn thiện tiêu chuẩn gối cầu TCVN 13594-8:2023 cho cầu đường sắt tốc độ cao có yêu cầu kháng chấn
- Phân tích tai nạn giao thông liên quan đến người đi bộ ở nước ta bằng Python
- Giải pháp giếng cát đóng túi trong xử lý nền đất yếu và khả năng ứng dụng tại Việt Nam
- Nâng cao hiệu quả việc thực hành tay nghề thi công cơ bản và công tác sản xuất kết hợp sinh viên Khoa Công trình - Trường Đại học Công nghệ Giao thông vận tải
- Nỗ lực của nhà thầu hướng đến thành công dự án nhà công nghiệp : phân tích nghiên cứu liên quan





