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 nguy cơ ngã của người bệnh viêm khớp dạng thấp bằng thang điểm morse tại Bệnh viện Đại học Y Hà Nội
- Thực trạng lo âu và một số yếu tố liên quan ở người bệnh đến tiêm và hút dịch khớp tại Bệnh viện Đại học Y Hà Nội
- Đặc điểm hình thái tuyến giáp trên siêu âm ở phụ nữ sau mãn kinh
- Bước đầu đánh giá kết quả điều trị tắc động mạch phổi cấp ở bệnh nhân cao tuổi
- Thực trạng và kết quả điều trị thiếu máu ở người bệnh phẫu thuật chỉnh hình lớn tại Bệnh viện Đại học Y Hà Nội giai đoạn 2023-2024