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
- Mối liên quan giữa một số đặc điểm lâm sàng và giải phẫu bệnh của sarcôm tạo xương với dấu ấn SATB2
- Đặc điểm mô bệnh học và hóa mô miễn dịch sarcoma màng hoạt dịch tại Bệnh viện K
- Nghiên cứu dấu hiệu lâm sàng và đặc điểm giải phẫu bệnh của bệnh viêm da cơ
- Đánh giá biểu hiện của thụ thể androgen trên bệnh ung thư vú bộ ba âm tính bằng phương pháp hóa mô miễn dịch
- Nghiên cứu đặc điểm hoá mô miễn dịch của EGFR và các dấu ấn CK, p63, Vimentin trong ung thư biểu mô vú dị sản tại Bệnh viện K





