02874ntm a22005417i 4500 000532482 CZ-PrVSE 20170625175336.0 m d cr n|||||||||| 170625s2017 xr fsbm 000 0 cze d NEZPRACOVANÝ IMPORT ABA006 cze ABA006 ABA006 rda Drábek, Matěj ISIS:101299 dis Machine Learning Methods for Credit Risk Modelling eng Využití vybraných metod strojového učení pro modelování kreditního rizika / Matěj Drábek 2017 ?? stran : digital, PDF soubor Vedoucí práce: Jiří Witzany Diplomová práce (Ing.)—Vysoká škola ekonomická v Praze. Fakulta financí a účetnictví, 2017 Obsahuje bibliografii Textový (vysokoškolská kvalifikační práce) Rok obhajoby 2017 Diplomová práce je členěna na tři základní části. V té první se věnuji P2P úvěrování, jeho charakteristikám, základním konceptům a jejich promítnutím v praxi. Srovnávám v ní také P2P trh u nás, ve Velké Británii a v USA. V druhé části této práce popisuji teoretická východiska vybraných metod strojového učení, kterými jsou naivní bayesovský klasifikátor, klasifikační strom, náhodný les a logistická regrese. Také zde popisuji způsoby stanovení úspěšnosti těchto modelů. Ve třetí části pak uvádím postup, kterým se tyto metody převádí do praxe, a to od přípravy dat přes optimalizaci parametrů až po zhodnocení úspěšnosti modelu. Způsob přístupu: Internet finanční inženýrství [obor dipl. práce] diplomové práce fd132022 czenas master's theses eczenas P2P úvěrování klasifikační strom strojové učení pro klasifikaci náhodný les logistická regrese naivní bayesovský klasifikátor Witzany, Jiří, 1966- vse2007429830 ths Málek, Jiří, 1953- mzk2003181803 opn Vysoká škola ekonomická v Praze. Fakulta financí a účetnictví kn20010709398 dgg https://insis.vse.cz/zp/59946/podrobnosti VŠKP v InSIS https://insis.vse.cz/zp/59946 Hlavní práce https://insis.vse.cz/zp/59946/posudek/vedouci Hodnocení vedoucího https://insis.vse.cz/zp/59946/posudek/oponent/53623 Oponentura https://insis.vse.cz/zp/59946/priloha/15679 Přiloha k práci https://insis.vse.cz/zp/59946/podrobnosti dc:identifier NEPOSILAT VSKP vse59946 170623 59946