iPhoneAlle anzeigen
iPhone 11iPhone 11 ProiPhone 11 Pro MaxiPhone 12iPhone 12 ProiPhone 12 Pro MaxiPhone 12 miniiPhone 13iPhone 13 ProiPhone 13 Pro MaxiPhone 13 miniiPhone 14iPhone 14 PlusiPhone 14 ProiPhone 14 Pro MaxiPhone 15iPhone 15 PlusiPhone 15 ProiPhone 15 Pro MaxiPhone 16iPhone 16 PlusiPhone 16 ProiPhone 16 Pro MaxiPhone 16eiPhone 8iPhone 8 PlusiPhone SE 2020iPhone SE 2022iPhone XiPhone XRiPhone XSiPhone XS Max
Galaxy A-SerieAlle anzeigen
Galaxy A12Galaxy A13Galaxy A13 5GGalaxy A14Galaxy A15Galaxy A16Galaxy A17 5GGalaxy A20eGalaxy A21Galaxy A22Galaxy A23Galaxy A24Galaxy A25Galaxy A26 5GGalaxy A32Galaxy A33Galaxy A34Galaxy A35Galaxy A36 5GGalaxy A40Galaxy A41Galaxy A42Galaxy A50Galaxy A51Galaxy A52Galaxy A53Galaxy A54Galaxy A55Galaxy A56 5GGalaxy A70Galaxy A71Galaxy A72
Redmi SeriesAlle anzeigen
Redmi 10Redmi 13CRedmi 15 5GRedmi Note 10Redmi Note 10 ProRedmi Note 11Redmi Note 11 ProRedmi Note 11 Pro Plus 5GRedmi Note 11sRedmi Note 12Redmi Note 12 5GRedmi Note 12 ProRedmi Note 12 Pro 5GRedmi Note 12 Pro PlusRedmi Note 13Redmi Note 13 5GRedmi Note 13 ProRedmi Note 13 Pro PlusRedmi Note 14Redmi Note 14 Pro PlusRedmi Note 8Redmi Note 8 ProRedmi Note 9Redmi Note 9 Pro
- Startseite
Bücher Wissen & Bildung Naturwissenschaft, Medizin, Informatik, Technik Mathematik Wahrscheinlichkeitstheorie & Statistik Loan Risk Prediction: Logistic Regression vs. Neural Networks
Handgeprüfte Gebrauchtware
Bis zu 50 % günstiger als neu
Der Umwelt zuliebe
Loan Risk Prediction: Logistic Regression vs. Neural Networks
Wanjale, Aditya, Wanjale, Kirti (Broschiert, Englisch)
★★★★★
☆☆☆☆☆ Keine Bewertungen vorhanden
Optischer Zustand
Beschreibung
Loan risk prediction is crucial for financial institutions to minimize lending risks. This study investigates the effectiveness of transaction data in loan risk prediction, comparing the performance of two popular algorithms: logistic regression and feed-forward neural networks. The research aims to assess the predictive capabilities, interpretability, and practical applicability of these models… in identifying potential loan defaults based on transactional patterns. Transactional data, acquired from Kaggle, underwent rigorous preprocessing and feature engineering tailored to the unique characteristics of financial transaction records. Both models were extensively trained and evaluated using established metrics, encompassing accuracy, precision, recall, F1-score to comprehensively gauge their performance in predicting loan defaults. Findings indicate varied strengths between the models: logistic regression demonstrates commendable interpretability while achieving competitive performance metrics, whereas the feed-forward neural network exhibits higher predictive accuracy albeit with increased complexity and reduced interpretability. 43,90 €
oder
zzgl.
Du kannst wie immer einen Kaufalarm setzen, wenn du auf das gebrauchte Buch warten möchtest.
zzgl.
Handgeprüfte Gebrauchtware
Bis zu 50 % günstiger als neu
Der Umwelt zuliebe
Technische Daten
Erscheinungsdatum
17.08.2025
Sprache
Englisch
EAN
9786208420475
Herausgeber
LAP LAMBERT Academic Publishing
Autor
Wanjale, Aditya, Wanjale, Kirti
Einbandart
Broschiert
Höhe
220 mm
Breite
150 mm
-.-
★★★★★
☆☆☆☆☆ Leider noch keine Bewertungen
Leider noch keine Bewertungen
Sicher bei rebuy kaufen
Schreib die erste Bewertung für dieses Produkt!
Wenn du eine Bewertung für dieses Produkt schreibst, hilfst du allen Kund:innen, die noch überlegen, ob sie das Produkt kaufen wollen. Vielen Dank, dass du mitmachst!
Sicher bei rebuy kaufen