Financial distress prediction can b

Financial distress prediction can be formulated as a classification problem and accomplished by advanced data mining techniques. In classification based on multiple criteria linear programming (MCLP), we need to find the optimal solution as a classifier, by solving the MCLP problem. However, the errors can be caused by a fixed cutoff between a “good” group and a “bad” group by MCLP structure. In many applications, such as credit card account classification and bankruptcy prediction, how to handle two types of error is a key issue.

ผลลัพธ์ (ไทย) 1:

ทำนายความทุกข์ทางการเงินสามารถกำหนดเป็นปัญหาการจัดหมวดหมู่และประสบความสำเร็จโดยเทคนิคการทำเหมืองข้อมูลขั้นสูง ในการจำแนกตามเกณฑ์ที่หลายโปรแกรมเชิงเส้น (mclp) เราต้องการที่จะหาทางออกที่ดีที่สุดเป็นลักษณนาม, โดยการแก้ปัญหา mclp แต่ข้อผิดพลาดที่อาจเกิดจากการตัดคงที่ระหว่างกลุ่ม "ดี" และกลุ่ม "เลว" โดยโครงสร้าง mclpในการใช้งานเป็นจำนวนมากเช่นการจัดหมวดหมู่บัญชีบัตรเครดิตและการล้มละลายทำนายวิธีการที่จะจัดการกับทั้งสองประเภทของข้อผิดพลาดเป็นปัญหาที่สำคัญ

ผลลัพธ์ (ไทย) 2:

ทายการเงินทุกข์สามารถสูตรเป็นปัญหาประเภท และโดยเทคนิคเหมืองข้อมูลขั้นสูง ในการจัดประเภทตามเกณฑ์หลายเส้น (MCLP) การเขียนโปรแกรม เราต้องหาทางออกดีที่สุดเป็น classifier โดยแก้ปัญหา MCLP อย่างไรก็ตาม อาจเกิดจากตัดถาวรระหว่างกลุ่ม "ดี" และกลุ่ม "ไม่ดี" ข้อผิดพลาด โดยโครงสร้าง MCLP ในโปรแกรมประยุกต์มากมาย เช่นบัตรเครดิตบัญชีประเภทและคาดการณ์ล้มละลาย วิธีจัดการสองชนิดของข้อผิดพลาดเป็นเรื่องสำคัญ

ผลลัพธ์ (ไทย) 3:

การทำนายความทุกข์ใจทางการเงินสามารถกำหนดขึ้นเป็นปัญหาการจัด ประเภท และทำได้ด้วยการใช้เทคนิคการทำเหมืองแร่ข้อมูลขั้นสูง ในการจัดชั้นลูกหนี้ตามเกณฑ์ต่างๆได้การตั้งโปรแกรมตามแนวยาว( mclp )เราจำเป็นต้องค้นหาโซลูชันที่เหมาะสมที่สุดเป็นลักษณนามโดยการแก้ปัญหาปัญหา mclp ได้ อย่างไรก็ตามการที่จะสามารถทำให้เกิดความผิดพลาดโดยคงที่ตัดระหว่างที่"ดี"และกลุ่ม"ไม่ดี"โดยกลุ่ม mclp โครงสร้าง.ในแอปพลิเคชันจำนวนมากเช่นการคาดเดาบัญชีการจำแนก ประเภท การล้มละลายและบัตรเครดิตได้อย่างไรในการจัดการกับทั้งสอง ประเภท ของข้อผิดพลาดเป็นประเด็นสำคัญ