Show simple item record

dc.contributor.advisorPärna, Kalev, juhendaja
dc.contributor.authorPajumets, Annela
dc.contributor.otherTartu Ülikool. Loodus- ja täppisteaduste valdkondet
dc.contributor.otherTartu Ülikool. Matemaatika ja statistika instituutet
dc.date.accessioned2022-06-15T07:36:39Z
dc.date.available2022-06-15T07:36:39Z
dc.date.issued2022
dc.identifier.urihttp://hdl.handle.net/10062/82592
dc.description.abstractKäesoleva magistritöö eesmärgiks on välja selgitada otstarbekad meetodid krediidiriski hindamiseks, kui argumenttunnused on valdavalt kategoriaalsed. Töös võrreldakse nelja erinevat prognoosimudelit – logistilist regressiooni, LASSO regressiooni, klassifitseerimispuud ning gradient boosting algoritmi. Töös kasutatav andmestik sisaldab infot väikelaenu saanud isikute kohta ning uuritavaks tunnuseks on laenu staatus, mis kirjeldab, kas laen on krediidiasutusele tagastatud või mitte.et
dc.language.isoestet
dc.rightsopenAccesset
dc.rightsAttribution-NonCommercial-NoDerivatives 4.0 International*
dc.rights.urihttp://creativecommons.org/licenses/by-nc-nd/4.0/*
dc.subjectgradient boostingen
dc.subjectklassifitseerimispuuet
dc.subjectLASSO regressioonet
dc.subjectlogistiline regressioonet
dc.subjectkategoriaalsed tunnusedet
dc.subjectcategorical variablesen
dc.subjectlogistic regressionen
dc.subjectLASSO regressionen
dc.subjectclassification treeen
dc.subject.otherkrediidirisket
dc.subject.othercredit risken
dc.titleKrediidiriski hindamine valdavalt kategoriaalsete andmete põhjalet
dc.typeinfo:eu-repo/semantics/masterThesiset


Files in this item

Thumbnail
Thumbnail

This item appears in the following Collection(s)

Show simple item record

openAccess
Except where otherwise noted, this item's license is described as openAccess