تبیین دسته بندهای ماشین بردار پشتیبان و شبکه عصبی جهت درجه بندی شعب بانک
نویسندگان
1 master of soft ware engenering
2 Department of Banking Management, College of Economic Sciences, School of Banking Sciences, Tehran, Iran
3 Department of Business Management, College of Management, Sannadaj Branch, Islamic azad university Sannadaj , Iran.
4 Department of Management, College of Management, & Economic, PhD Student at Tarbiat Modres. Tehran. Iran
5 Department of Public Management, College of Management, Mahabad Branch, Islamic azad university Mahabad, Iran.
doi
چکیده
در صنعت بانکداری اطلاعات زیادی وجود دارد که شناسایی آن از اهمیت ویژهای برخوردار است. استفاده از تکنیک های داده کاوی نه تنها کیفیت را بهبود می بخشد بلکه منجر به مزایای رقابتی و ارتقای جایگاه بازار نیز می گردد. با استفاده از داده کاوی و به منظور تجزیه و تحلیل الگوها و روندها، بانکها می توانند صحت این را پیش بینی کنند درجه بندی شعب بانک چگونه است. در این مقاله درجه بندی شعب یکی از بانکهای بزرگ تجاری (تعداد شعب انتخاب شده 1825 شعبه و تعداد ویژگی های مورد استفاده 57 ویژگی) با استفاده از دسته بندهای ماشین بردار پشتیبان و شبکه عصبی چند لایه پرسپترون برروی داده های واقعی انجام گرفت. نتایج ارزیابی مربوط به ماشین بردار پشتیبان نشان داد که این دسته بند دارای کارایی پایین تری برای روش پیشنهادی است. اما استفاده از شبکه های عصبی و ترکیب آن با PCA نشان داد که دارای معیارهای کارایی بالایی است. مقادیر مربوط به کارایی و صحت با استفاده از شبکه عصبی با دقت بسیار بالایی بدست آمد.
