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
- Bước đầu khảo sát đặc điểm biến thể xoang tĩnh mạch sọ não trên MRI ở bệnh nhân đau đầu mạn tính
- Độ sâu xâm lấn trên cộng hưởng từ và tình trạng di căn hạch cổ ở ung thư lưỡi
- U thận chứa mỡ ở trẻ em: Báo cáo ca bệnh u quái thận nguyên phát và u nguyên bào thận dạng quái
- Đánh giá độ dày xương và mô mềm khẩu cái trên phim CBCT (Cone-Beam Computed Tomography)
- Nhận thức về vi-rút HPV của sinh viên y dược: Từ những hiểu lầm về phòng bệnh đến sự thiếu hụt kiến thức ở nam giới





