СРАВНИТЕЛЬНЫЙ АНАЛИЗ МЕТОДОВ ДЕРЕВЬЕВ РЕШЕНИЙ И НЕЙРОННЫХ СЕТЕЙ В ЗАДАЧЕ КЛАССИФИКАЦИИ КРЕДИТНЫХ ОРГАНИЗАЦИЙ

В последние годы деревья решений и нейронные сети широко применяются в задачах компьютерного зрения, таких как распознавание объектов, классификация текстов, распознавание жестов, обнаружение спама, семантическая сегментация и кластеризация данных. В статье рассматривается применение методов деревьев решений и искусственных нейронных сетей в задаче классификации кредитных организаций как объектов экономической безопасности. Представлены результаты анализа данных о деятельности кредитных организаций с использованием разных методов деревьев решений: C5, CHAID, C&R и QUEST, а также нейронных сетей. Наивысшая общая точность классификации анализируемых объектов была достигнута с помощью алгоритма деревьев решений С5 и составила 81 %. Общая точность классификации при применении алгоритма CHAID составила 68 %, алгоритма C&R – 71 %, алгоритма QUEST – 66 %. На основании результатов алгоритма C5 сгенерирован набор правил для определения принадлежности банка к определенному классу. Согласно методам деревьев решений и нейронным сетям были отобраны наиболее информативные показатели деятельности кредитных организаций с точки зрения их разбиения на два класса: благонадежные и высоко-рисковые.

1. Паклин Н.Б., Орешков В.И. Бизнес-аналитика: от данных к знаниям. учеб. пособие. 2-е изд. СПб.: Питер, 2013. С. 428–472. ISBN 978-5-459-00717-6.

2. Левитин А.В. Алгоритмы: введение в разработку и анализ. М.: Вильямс, 2006. С. 409–417. 576 с. ISBN 978-5-8459-0987-9.

3. Иванов В.В., Акишина Е.П., Приказчикова А.С. Применение нейронных сетей и метода главных компонент для идентификации кредитных организаций, потенциально вовлеченных в процесс по легализации преступных доходов // Известия Иссык-Кульского форума бухгалтеров и аудиторов стран Центральной Азии. 2022 № 2(37). С. 294–296.

4. Электронный учебник StatSoft. [Электронный ресурс]. URL: Statisticahttp://statsoft.ru (дата обращения 10.12.2022).

5. Haykin. Simon Neural networks and learning machines / Simon Haykin. 3rd ed. p. cm. Rev. ed of: Neural networks. 2nd ed., 1999.

6. Гладилин П.Е., Боченина К.О. Технологии машинного обучения. СПб: Университет ИТМО, 2020. 75 с.

7. IBM SPSS Modeler. [Электронный ресурс]. URL: https://www.ibm.com/products/spss-modeler (дата обращения 10.12.2022).