02814ntm a22005537i 4500 000548713 CZ-PrVSE 20180915190850.0 m d cr n|||||||||| 180915s2018 xr fsbm 000 0 eng d NEZPRACOVANÝ IMPORT ABA006 cze ABA006 ABA006 rda Helcl, Jan ISIS:108619 dis Kreditní skóring pomocí metod skupinového strojového učení eng Credit Scoring Using Ensemble Machine Learning Methods / Jan Helcl 2018 ?? stran : digital, PDF soubor Vedoucí práce: Jiří Witzany Diplomová práce (Ing.)—Vysoká škola ekonomická v Praze. Fakulta financí a účetnictví, 2018 Obsahuje bibliografii Textový (vysokoškolská kvalifikační práce) Rok obhajoby 2018 The aim of this thesis is to examine the performance of selected decision tree-based ensemble machine learning models and to assess their applicability in credit scoring. In the first part, general principles behind supervised machine learning were introduced. Selected ensemble models were then explained in detail, special focus was placed on decision trees, the building blocks of these models. The standard approach to credit scoring function development was introduced and used to develop a benchmark model. In last section, the ensemble models were trained in several different ways. Their out-of-sample performance was measured and compared to that of the benchmark. Způsob přístupu: Internet finanční inženýrství [obor dipl. práce] diplomové práce fd132022 czenas master's theses eczenas ensemble machine learning credit scoring random forest extremely randomized trees AdaBoost gradient boosting logistic regression Witzany, Jiří, 1966- vse2007429830 ths Juhászová, Jana ISIS:87313 opn Vysoká škola ekonomická v Praze. Fakulta financí a účetnictví kn20010709398 dgg https://insis.vse.cz/zp/64834/podrobnosti VŠKP v InSIS https://insis.vse.cz/zp/64834 Hlavní práce https://insis.vse.cz/zp/64834/posudek/vedouci Hodnocení vedoucího https://insis.vse.cz/zp/64834/posudek/oponent/58596 Oponentura https://insis.vse.cz/zp/64834/priloha/17551 Přiloha k práci https://insis.vse.cz/zp/64834/podrobnosti dc:identifier NEPOSILAT VSKP vse64834 180912 64834