Kredı̇ rı̇sk puanı tahmı̇nlemenı̇n yığınlama ı̇le değerlendı̇rı̇lmesı̇

Geçtiğimiz birkaç yılda, kredi puanlama finansal kurumları için artan bir ilgi görmeye başladı ve popüler bir araştırma konusu haline geldi. Bu çalışmanın amacı, kredi puanlamasının tahmin performansını artırmak için makine öğrenme tekniklerine dayalı bir topluluk sınıflandırma modeli oluşturmaktır. İlk olarak; Lojistik Regresyon, Çok Değişkenli Uyarlanabilir Regresyon Eğrileri, Destek Vektör Makinaları, Rassal Ormanlar, Eksrem Gradyan Arttırma temel sınıflandırıcılar olarak seçildi ve veri kümeleri modellendi. İkinci olarak, bu temel sınıflandırıcılar aracılığıyla oluşturulan bir topluluk yığınlama modeli entegre edildi. Bu model, tahmin performansını ve etkinliğini test etmek için dört adet gerçek kredi puanlama veri kümesine uygulandı. Temel sınıflandırıcı modellerin ve yığınlama modelinin performansını değerlendirmek için dört performans metriği seçildi. Sonuçlar, önerilen modelin, tek temel model sınıflandırıcılarından kısmen daha iyi performansa sahip olduğunu göstermiştir. Bu çalışma, önerilen modelin bir alternatif olabileceğini ve finansal kurumlar için etkili bir karar desteği sağlayabileceğini göstermektedir. Anahtar Kelimeler: Kredi Puanlama, Makine Öğrenmesi, Yığınlama, Sınıflandırma, Temerrüt Olasılığı