پیش بینی امتیاز اعتباری اشخاص با استفاده از الگوریتم های داده کاوی (مورد مطالعه: مشتریان یک بانک دولتی ایران)

امتیاز اعتباری مشتریان یکی از ابزارهای مهم برای مدیریت ریسک در سیستم های بانکی است. طراحی سیستمی که بتواند شناسایی مشتریان بانکی را به درستی انجام دهد،  از چالش های اساسی در داده کاوی و یادگیری ماشین بوده که مطالعات بسیاری در مورد آن انجام شده است. در این مطالعه، عوامل مرتبط با امتیاز اعتباری معرفی، و پیش بینی امتیاز اعتباری برای مشتریان یک بانک دولتی ایران انجام شده است. بدین منظور، روش شناسی CRISP-DM به عنوان مدل مرجعی برای فرایند داده کاوی مورد استفاده قرار گرفته و مدل سازی داده ها با بهره گیری از الگوریتم های مختلف (نزدیک ترین همسایگی، درخت تصمیم، و جنگل تصادفی) انجام شده است. نتایج ارزیابی و مقایسه حساسیت و دقت الگوریتم ها نشان داد الگوریتم نزدیک ترین همسایگی با دقت 90.3 درصد برای مجموعه آموزش و 76.7 درصد برای داده های آزمون، عملکرد مناسبی برای پیش بینی امتیاز اعتباری دارد.