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
- Kiến thức về đột quỵ não cấp của người nhà người bệnh và một số yếu tố liên quan tại Bệnh viện Lão khoa Trung ương năm 2025
- Hoạt động quản lý điều trị ngoại trú người bệnh đái tháo đường type 2 và một số yếu tố ảnh hưởng tại Trung tâm Y tế thành phố Mỹ Tho năm 2025
- Tỷ lệ tử vong và một số yếu tố liên quan ở người bệnh tăng áp động mạch phổi do bệnh lý van tim bên trái
- Khảo sát sức căng dọc thất trái bằng siêu âm đánh dấu mô cơ tim ở người bệnh lupus ban đỏ hệ thống
- Khảo sát nhận thức của điều dưỡng chăm sóc về sử dụng quy trình điều dưỡng tại các khoa lâm sàng Bệnh viện quận 11 năm 2024