Diplomová práce

Rozšíření logistické regrese směrem k nelineárním modelům

Extension of logistics regression toward non-linear models

Bc. Radovan Oprendek, učo 323450
Anotace

Cieľom práce je overiť aplikačné charakteristiky modelu logistickej regresie a jej rozšírenia v zmysle skladania logistických regresií pomocou neurónovej siete. Modely sú skonštruované a porovnávané na dvoch dátových súboroch z prostredia odhadu rizika spotrebiteľských úverov. Z hľadiska stanovených kritérií a na daných dátach nemožno povedať, že by nelineárny model neurónovej siete dosahoval presnejšie predikcie ako model logistickej regresie.

Abstract

The aim of this thesis is to examine application characteristics of a logistic regression model and its extension as combination of logistic regressions by a neural network. Models are constructed and compared on two datasets from consumer credit risk assessment environment. Based on specified criteria and given data, the non-linear neural network model prediction performance shows no improvement compared to one made by logistic regression model.

Klíčová slova
Neurónové siete logistická regresia kredit skóring data mining Neural networks logistic regression data mining credit risk credit scoring
Zadání práce
Práce bude obsahovat popis logistické regrese (popis a vysvětlení jejích vlastností). Dále půjde o rozšíření jednoduchého modelu ve smyslu skládání logistických regresí pomocí dvouvrstvé neuronové sítě nebo jednoduché třívrstvé NR. Stěžejní část práce bude věnována ověření pro jaké typy dat(definované např. pomocí popisných charakteristik) jsou popsané typy modlů vhodné a kde se principiálně vůbec nehodí. V případech, kde logistické regerese nebo jejich kombinace (kaskáda) selže, student popíše alternativní modely nebo navrhne, jak postupovat při hledání vhodnějšího modelu.
Administrativní informace
Práce zkontrolována:
17. 5. 2013 14:06, Mgr. Martin Řezáč, Ph.D.
Plný text práce
3,8 MB / soubor PDF
Přílohy (1)
Jazyk práce
slovenština slovenština
Termín obhajoby
19. 6. 2013
Práce byla úspěšně obhájena

Vedoucí

Mgr. Martin Řezáč, Ph.D.
ÚMS Ústavy PřF MU

Oponent

RNDr. Marie Budíková, Dr., učo 328
ÚMS Ústavy PřF MU

Literatura

  • GOLDEN, Richard M. Mathematical methods for neural network analysis and design. Cambridge: Bradford Book, 1996, xiv, 419. ISBN 0262071746.
  • GALLANT, Stephen I. Neural network learning and expert systems. Cambridge: MIT Press, 1993, xvi, 365. ISBN 0262071452.
  • HOSMER, David W. a Stanley LEMESHOW. Applied logistic regression. 2nd ed. New York: John Wiley & Sons, 2000, xii, 375. ISBN 0471356328.
Citovat tuto práci
Masarykova univerzita Přírodovědecká fakulta
Studijní program
Matematika
Obor

Práce na příbuzné téma

Seznam prací, které mají shodná klíčová slova.

Podobné práce

  • Přidání souboru

    Soubor nebo složku lze nahrát pomocí tlačítka Přidat.

  • Další operace se soubory

    Podrobnosti lze zjistit označením příslušného řádku.

  • Pohled pro experty

    Pro častou práci je možné zvolit režim Více možností.

  • Vyhledávání souborů

    Vyhledávaný výraz můžete zadat přímo do adresního řádku.

  • Rychlý přístup k souborům

    Pomocí funkce Nedávné je možné se rychle vrátit k právě prohlíženým souborům. Oblíbené soubory je také možné označit Hvězdičkou.