การพยากรณ์ลูกหนี้ที่ค้างชำระหนี้ของสินเชื่อเพื่อที่อยู่อาศัยด้วยเทคนิคเหมืองข้อมูล

Predictive of outstanding debts for housing loan by data mining

Name: กมลชนก รุ่งเจริญ

Organization : มหาวิทยาลัยเทคโนโลยีพระจอมเกล้าพระนครเหนือ. คณะเทคโนโลยีสารสนเทศและนวัตกรรมดิจิทัล

Email : s6407021857247@email.kmutnb.ac.th

Name: วัชรีวรรณ จิตต์สกุล

Organization : มหาวิทยาลัยเทคโนโลยีพระจอมเกล้าพระนครเหนือ. คณะเทคโนโลยีสารสนเทศและนวัตกรรมดิจิทัล

Email : watchareewan.j@itd.kmutnb.ac.th

keyword: อัลกอริทึมเพื่อนบ้านใกล้ที่สุด

; อัลกอริทึมซัพพอร์ตเวกเตอร์แมชชีน

; สินเชื่อเพื่อที่อยู่อาศัย

; อัลกอริทึมเอ็กตรีมกราเดี้ยนบูทติ้ง

Abstract: งานวิจัยนี้นำเสนอการสร้างแบบจำลองการพยากรณ์ ลูกหนี้ที่ค้างชำระหนี้ของสินเชื่อเพื่อที่อยู่อาศัย โคย เปรียบเทียบอัลกอริซึม จำนวน 3 อัลกอริทึม ได้แก่ อัลกอริซึมซัพพอร์ตเวกเตอร์แมชชีน อัลกอริซึมเพื่อนบ้าน ใกล้ที่สุด และอัลกอริทึมเอ็กตรีมกราเคี้ยนบูทดิ้ง โคยใช้ ข้อมูลพอร์ตสินเชื่อเพื่อที่อยู่อาศัย ตั้งแต่เดือน ธันวาคม 2561 - เดือนธันวาคม 2562 จำนวน 28,418 รายการ ประกอบด้วยคุณลักษณะ จำนวน 12 คุณลักษณะ จากนั้น แบ่งข้อมูลเป็น 2 ส่วน คือ ข้อมูลสำหรับสร้างแบบจำลอง จำนวน 19,896 รายการ และข้อมูลสำหรับทดสอบ แบบจำลองจำนวน 8,522 ร้ายการ ทำการเปรียบเทียบ ประสิทธิภาพด้วยค่าความถูกต้อง ค่าความแม่นยำ ค่าระลึก และค่าการถ่วงคุล พบว่า อัลกอริทึมเอ็กตรีมกราเคี้ยนบูทดิ้ง ให้ประสิทธิภาพสูงสุด โดยมีค่าความถูกต้องร้อยละ 86.84 ค่าความแม่นยำเท่ากับ 0.87 ค่าระลึกเท่ากับ 0.87 และ ค่าการถ่วงดุลเท่ากับ 0.87

Abstract: This research presents a forecasting model for outstanding debts for housing loans that compares three machine learning algorithms: Support Vector Machines (SVM), K-Nearest Neighbors (KNN), and Extreme Gradient Boosting (XGBoost). The housing loan portfolio dataset from December 2018 to December 2019 consists of 28,418 records and 12 attributes. The dataset is split into two parts: training data of 19,896 records and testing data of 8,522 records. This research has measured performance models with accuracy, precision, recall, and fmeasure. The result showed that the Extreme Gradient Boosting (XGBoost) algorithm had the highest accuracy with an accuracy 86.84%, precision 0.87, recall 0.87, and f-measure 0.87.

มหาวิทยาลัยเทคโนโลยีพระจอมเกล้าพระนครเหนือ. สำนักหอสมุดกลาง

Address: กรุงเทพมหานคร

Email: library@kmutnb.ac.th

Created: 2566

Modified: 2567-01-02

Issued: 2567-01-02

บทความ/Article

application/pdf

BibliograpyCitation : ใน มหาวิทยาลัยเทคโนโลยีพระจอมเกล้าพระนครเหนือ คณะเทคโนโลยสารสนเทศและนวัตกรรมดิจิทัล. การประชุมวิชาการระดับชาติด้านคอมพิวเตอร์และเทคโนโลยีสารสนเทศ ครั้งที่ 19 (NCCIT 2023) (pp.257-262). กรุงเทพฯ : มหาวิทยาลัยเทคโนโลยีพระจอมเกล้าพระนครเหนือ

tha

©copyrights มหาวิทยาลัยเทคโนโลยีพระจอมเกล้าพระนครเหนือ

ลำดับที่.	ชื่อแฟ้มข้อมูล	ขนาดแฟ้มข้อมูล	จำนวนเข้าถึง	วัน-เวลาเข้าถึงล่าสุด
1	NCCIT 2023pp.257-262.pdf	365.17 KB	2	2024-04-24 14:59:38

ใช้เวลา

0.027593 วินาที