|
|
The future of credit scoring modelling using advanced techniques
Čermáková, Jolana ; Krištoufek, Ladislav (vedoucí práce) ; Geršl, Adam (oponent)
Machine learning, neboli strojové učení, se stává součástí každodenního života a má nepopiratelný vliv na celou řadu odvětví. Ve finančním odvětví tento dopad spočívá zejména v prediktivním modelování. Cílem této práce je popsat základní principy umělé inteligence, především její podmnožiny, strojového učení. Nejpoužívanější techniky strojového učení jsou v této práci nastíněny teoretickou i praktickou cestou. V rámci práce byly sestaveny čtyři praktické modely. Byly diskutovány výsledky a limitace každého z modelů a zároveň byly modely mezi sebou vzájemně porovnány na základě jejich indi- viduálních výkonů. Modelování bylo provedeno na reálných datech, poskyt- nutých společností Home Credit. Výsledný výkon metod, založených na strojovém učení a měřený pomocí metrik KS a GINI, byl bud' velmi srovn- atelný, nebo dokonce horší než výkon tradičně používané logistické regrese. Přesto mohl tento výsledek spočívat například v nedostatečném datovém souboru, v nesprávné přípravě dat, nebo v nevhodně použitých algoritmech, tedy ne nutně v samotných modelech.
|
|
|
Srovnání možností software Dyna-Clue a LandChangemodeler pro predikční modelování suburbánního rozvoje modelového území v zázemí Prahy
Indrová, Magdalena ; Kupková, Lucie (vedoucí práce) ; Grill, Stanislav (oponent)
Srovnání možností software Dyna-CLUE a Land Change Modeler pro predikční modelování suburbánního rozvoje modelového území v zázemí Prahy Abstrakt Cílem práce bylo pomocí softwaru Dyna-CLUE a Land Change Modeler (LCM) predikovat vývoj využití suburbánního území v zázemí hlavního města Prahy a na základě dosažených výsledků porovnat možnosti těchto softwarů. V práci byla využita časová řada dat krajinného pokryvu získaná na katedře aplikované geoinformatiky a kartografie, územní plány jednotlivých obcí a informace o třídách BPEJ poskytnuté Výzkumným ústavem meliorací a ochrany půdy. Na základě těchto dat byla v obou softwarech zpracována predikční mapa krajinného pokryvu pro rok 2020. Oba výsledky byly následně porovnány. Bylo zjištěno, že modely respektují zákaz rozvoje zástavby v předem stanovených oblastech. V souladu s územními plány se také v obou softwarech podařilo správně rozmístit novou rezidenční zástavbu. U komerční zástavby nebyl tento požadavek zcela naplněn. Z výsledků práce je patrné, že oba modely jsou schopné vytvořit korektní mapu zobrazující stav krajinného pokryvu v budoucím okamžiku na základě zadaných požadavků, ovšem velká nestabilita LCM a nutnost použití jiných softwarů při práci s Dyna-CLUE práci do určité míry komplikují. Klíčová slova: Dyna-CLUE, Land Change Modeler, predikční...
|
host ::
RSS.