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
- Một số yếu tố liên quan đến tổn thương thận cấp tại khoa Hồi sức Tích cực, Bệnh viện Đa khoa tỉnh Thanh Hóa
- Ảnh hưởng của thời gian thiếu máu lạnh lên sự biểu hiện của các dấu ấn ER, PR và KI-67 trong ung thư vú bằng kỹ thuật nhuộm hoá mô miễn dịch
- Tái tạo lóc toàn bộ da đầu lộ xương sọ bằng vạt da cơ thang mở rộng xuống dưới và ghép da mỏng
- Khảo sát đặc điểm lâm sàng và tính kháng kháng sinh trên bệnh nhân nhiễm Burkholderia pseudomallei tại Bệnh viện Đa khoa tỉnh Kiên Giang
- Đánh giá kết quả thay khớp háng với kỹ thuật khâu tăng cường bao khớp bằng chỉ siêu bền tại Bệnh viện Quân Y 121





