An Application of the Rough Set Approach to Credit Rating

등록일 2000.06.07 MS 워드 (doc) | 9페이지 | 가격 10,000원

소개글

러프집합이론(Rough Set Theory)을 이용한 신용도 평가입니다.

목차

Abstract

1. Introduction

2. Rough Sets and Neural Networks
2.1 Rough Sets

3. A Credit Rating Problem
3.1 Problem Statement
3.2 Application of the Rough Set Approach
3.3 Presentation of Rules

4. Conclusions

References

본문내용

The credit rating represents an assessment of the relative level of risk associated with the timely payments required by the debt obligation. In this paper, we present a new approach to credit rating of customers based on the rough set theory. The concept of a rough set appeared to be an effective tool for the analysis of customer information systems representing knowledge gained by experience. The customer information system describes a set of customers by a set of multi-valued attributes, called condition attributes. The customers are classified into groups of risk subject to an expert’s opinion, called decision attribute. A natural problem of knowledge analysis consists then in discovering relationships, in terms of decision rules, between description of customers by condition attributes and particular decisions. The rough set approach enables one to discover minimal subsets of condition attributes ensuring an acceptable quality of classification of the customers analyzed and to derive decision rules from the customer information system which can be used to support decisions about rating new customers.
Using the rough set approach one analyses only facts hidden in data, it does not need any additional information about data and does not correct inconsistencies manifested in data; instead, rules produced are categorized into certain and possible. A real problem of the evaluation of credit rating by a department store is studied using the rough set approach.

참고 자료

[1] Boryczka, M., and Slowinski, R., “Derivation of optimal decision algorithms from decision tables using rough sets,” Bulletin of the Polish Academy of Sciences, ser. Technical Sciences, Vol. 36, 1988, pp.252-260.
[2] Dubois, D., and Prade, H., ‘Putting rough sets and fuzzy sets together’, in Slowinski, R. (ed), Intelligent Decision Support: Handbook of Applications and Advances of the Rough Sets Theory, Kluwer Academic, Dordrecht, 1992, pp. 203-232.
[3] Capon, N., (1982). “Credit Scoring Systems: A Critical Analysis,” Journal of Marketing, Vol.46, pp.83-88.
[4] Grzymala-Busse, J.W., ‘LERS – a system for learning from examples based on rough sets’, in Slowinski, R. (ed), Intelligent Decision Support: Handbook of Applications and Advances of the Rough Sets Theory, Kluwer Academic, Dordrecht, 1992, pp.3-18.
[5] Kim, C.Y., Ahn, B.S, Cho, S.S., and Kim, S.H., “The Integrated Methodology of Rough Set Theory and Artificial Neural Network for Business Failure Prediction,” The Journal of MIS Research, Vol. 9, No.4, 1999, (in press).
[6] Krusinska, E., Slowinski, R. and Stefanowski, J. “Discriminant versus rough set approach to vague data analysis”, Applied Stochastic Models and Data Analysis, Vol. 8, 1992, pp.1-17.
[7] Pawlak, Z., “Rough sets,” International Journal of Information and Computer Sciences, Vol. 11, pp. 341-356.
[8] Skowron, A. and Grzymala-Busse, J.W., ‘From the rough set theory to the evidence theory’, in Fedrizzi, M., Kacpryk, J. and Yager, R.R. (eds), Advances in the Dempster-Shafer Theory of Evidence, John Wiley, New York, 1993.
[9] Siegel, P.H., de Korvin, A., & Omer, K., “Detection of irregularities by auditors: a rough set approach,” Indian Journal of Accounting, 1993, pp.44-56.
[10] Slowinski, R., & Stefanowski, J., “‘RoughDAS’ and ‘RoughClass’ software implementations of the rough set approach,” In: R. Slowinski (ed.) Intelligent Decision Support. Handbook of Applications and Advances of the Rough Sets Theory, Kluwer Academic Publishers, Dordrecht, 1992, pp.445-456.
[11] Ziarko, W., Golan, R., & Edwards, D., “An application of DATALOGIC/R knowledge discovery tool to identify strong prediction rules in stock market data,” Proceedings of AAAI Workshop on Knowledge Discovery in Databases, Washington DC. 1993.
*원하는 자료를 검색 해 보세요.
  • 매우 자세한 백신 설치 및 사용법 - 노턴 안티바이러스 백신 59페이지
    ◇ 설치과정차례로 돌아가기1. 설치 씨디를 넣으면 씨디가 자동 실행되면서 다음과 같은 화면이 나타난다. 시스템설정에 따라 씨디가 자동 실행되지 않을 수도 있는 그럴 경우에는 씨디 드라이브의 cdstart.exe 파일을 실행해주면 된다.메뉴 중 푸른색 사각형으로 표시된 ..
  • [교육행정직 준비 방법] 교육행정직의 준비과정과 업무 및 전망 38페이지
    1장. 연구에 대한 이해1.1. 연구의 필요성 및 문제제기 교육의 중요성이 날로 높아지는 시대인 만큼 `교육행정직`이 모두의 관심을 받는 직업으로 떠오르고 있다. 국가전반의 교육을 담당하며 인력정책의 수립 및 행정지원을 하고 있는 교육행정직이 각광받고는 있지만 구체적..
  • [국어학의 이해] 한국어의 품사 분류 22페이지
    3.6.3. 의존 명사3.6.3.1. 의존 명사의 성격1) 의존 명사: 형식적 의미를 나타내며, 반드시 그 앞에 관형어와 함께 쓰이는 명사. {보편성 의존 명사, 주어성 의존 명사, 서술성 의존 명사, 부사성 의존 명사, 단위성 의존 명사(부류 단위 의존 명사, 도량형..
  • 화확섬유 42페이지
    제 3 장 화학섬유3.1 화학섬유의 특징과 발전 우리들의 의생활을 영위하게 하는 섬유에는 여러 종류가 있지만, 그 가운데에서 면, 마, 견, 양모 등은 천연 그대로 섬유화하기 때문에 천연섬유라고 하고, 역사도 무척 오래되며 수천년전부터 인류의 옷감용으로 이용되어 왔..
  • [교육공학] 3장 교수 목적 분석 17페이지
    3.3.1 언어정보 기본적으로 질문에 대한 하나의 유일한 대답과 질문을 하는 한 가지의 기초적인 방법이 있음. 본질적으로, 언어 정보 목적은 학습자가 비교적 세부적인 질문에 세부적인 응답을 하도록 요구함. 언어 정보 목적은 사용된 동사로 알 수 있는데, 종종 학습자는 ..
  • MiniDisc 개발, PD개발 32페이지
    1. 연구 배경 MiniDisc는 MP3와 더불어 차세대 음악매체이다. MiniDisc는 1992년말 일본 SONY사에서 개발한 오디오 기록 포맷으로 작은 2.5" 사각 카트리지에 광디스크가 담겨진 형태이다. MD는 CD와는 달리 기록가능한 포맷으로, 지우고 재녹..
  • Web2.0 기술과 RIA 28페이지
    Web2.0 이란웹2.0의 기본 개념을 요약 정리하자면“참여, 공유, 개방”을 통한 자발적이고 참여적인 활발한 지식 활동이 이루어지는 것을 말한다. 공유 개방이 참여를 만들고 참여가 모여 집단지성을 이루도록 한다. 이를 이루기 위해서는 아래 세가지의 조건의 뒷받침 되어..
더보기
      최근 구매한 회원 학교정보 보기
      1. 최근 2주간 다운받은 회원수와 학교정보이며
         구매한 본인의 구매정보도 함께 표시됩니다.
      2. 매시 정각마다 업데이트 됩니다. (02:00 ~ 21:00)
      3. 구매자의 학교정보가 없는 경우 기타로 표시됩니다.
      최근 본 자료더보기