지원사업
학술연구/단체지원/교육 등 연구자 활동을 지속하도록 DBpia가 지원하고 있어요.
커뮤니티
연구자들이 자신의 연구와 전문성을 널리 알리고, 새로운 협력의 기회를 만들 수 있는 네트워킹 공간이에요.
논문 기본 정보
- 자료유형
- 학술대회자료
- 저자정보
- 발행연도
- 2015.5
- 수록면
- 19 - 39 (21page)
이용수
이 논문의 연구 히스토리 (2)
- 이 논문의 후속연구가 궁금하신가요?
- 연관 학술논문 또는 학술발표를 통해 보다 발전된 연구결과를 확인하실 수 있습니다.
- 이 논문의 연구 히스토리 확인하기
초록· 키워드
오류제보하기
The purpose of this study is to improve bankruptcy prediction models by using a novel hybrid under-sampling approach. Until now, most prior studies have tried to enhance the accuracy of bankruptcy prediction models by improving classification methods. However, we pay attention to appropriate data preprocessing as a mean for enhancing accuracy. In particular, we aim at developing an effective sampling approach for bankruptcy prediction since most bankruptcy prediction models suffer from class imbalance problem. The approach proposed in this study is a hybrid under-sampling method that combines k Reverse Nearest Neighbor(k-RNN) and one-class support vector machine(OCSVM). k-RNN may effectively eliminate outliers, and OCSVM may contribute to select informative training samples from the data of majority class. To validate our proposed approach, we applied it to H Bank’s non-external auditing companies’ data in Korea, and compared the performances of the classifiers with the proposed under-sampling and random sampling. Empirical results show that the proposed under-sampling approach generally improves the accuracy of the classifiers such as logistic regression, discriminant analysis, decision tree, and support vector machine. They also show that the proposed under-sampling approach reduces the risk of the false negative error, which leads to higher misclassification costs.
목차
Abstract
Ⅰ. Introduction
Ⅱ. Literature Review
Ⅲ. Proposed Approach
Ⅳ. Empirical Validation
Ⅴ. Conclusion
References
참고문헌 (0)
참고문헌 신청함께 읽어보면 좋을 논문
논문 유사도에 따라 DBpia 가 추천하는 논문입니다. 함께 보면 좋을 연관 논문을 확인해보세요!
-
A Hybrid Under-sampling Approach for Better Bankruptcy Prediction
지능정보연구
2015 .06
-
샘플링 기법의 보완을 통한 RRT* 기반 온라인 이동 계획의 성능 개선
제어로봇시스템학회 논문지
2016 .03
-
RNN(Recurrent Neural Network)을 이용한 기업부도예측모형에서 회계정보의 동적 변화 연구
지능정보연구
2017 .09
-
Bankruptcy Prediction Modeling Using Qualitative Information Based on Big data analytics
한국지능정보시스템학회 학술대회논문집
2015 .05
-
Bankruptcy Type Prediction Using A Hybrid Artificial Neural Networks Model
지능정보연구
2015 .09
-
Bankruptcy Prediction Modeling Using Qualitative Information Based on Big Data Analytics
지능정보연구
2016 .06
-
불균형 데이터 분류를 위한 머신러닝 사례 연구
Proceedings of KIIT Conference
2022 .12
-
Generating and Validating Synthetic Training Data for Predicting Bankruptcy of Individual Businesses
Journal of information and communication convergence engineering
2021 .12
-
A Study on Sampling Methods and Algorithms for Variable Inferences of Diffusion Model
방사선산업학회지
2020 .01
-
Heterogeneous Ensemble of Classifiers from Under-Sampled and Over-Sampled Data for Imbalanced Data
International journal of advanced smart convergence
2019 .01
-
지도학습을 통한 기업의 파산 예측 요인 분석: NCA를 중심으로
한국산업정보학회논문지
2025 .02
-
Traffic Flow Estimation System using a Hybrid Approach
IEIE Transactions on Smart Processing & Computing
2017 .08
-
Method and Steps for Diagnosing the Possibility of Corporate Bankruptcy Using Massive News Articles
IEIE Transactions on Smart Processing & Computing
2020 .02
-
Comparison of Machine Learning Models for Solar Energy Prediction
INTERNATIONAL CONFERENCE ON FUTURE INFORMATION & COMMUNICATION ENGINEERING
2019 .06
-
Optimal sampling method for detecting LMO seeds: A review on LMO sampling methods in various countries
한국생물공학회 학술대회
2018 .10
-
부도예측을 위한 KNN 앙상블 모형의 동시 최적화
지능정보연구
2016 .03
-
Adaptive space partition 방법을 이용한 새로운 신뢰도 해석 방법
대한기계학회 춘추학술대회
2017 .11
-
원샷 시스템의 저장 신뢰성 추정 정확성에 대한 샘플링 시점의 영향 분석
신뢰성응용연구
2016 .03
-
Reliability Analysis and Neural-network Modeling of Ship Radar Mast Structure by Adopting Quasi-random Sampling
한국해양공학회지
2025 .02
-
머신러닝 기반의 방산육성지원 수혜기업 예측모형 개발
대한산업공학회지
2025 .02
이 논문의 저자 정보
이 논문과 함께 이용한 논문
최근 본 자료
댓글(0)
0
UCI(KEPA) : I410-ECN-0101-2016-003-001710487