75
- но проверка информации но на соответствие но данных данным но других анкет.
но Такие проверки но могут выявить, но например, ситуацию, но когда жена но уже
получила но кредит, а муж но подал заявку но на еще но один потребительский но кредит.
Для но скоринга обычно но предлагается использовать но нейронную сеть.
но Свойство универсальной но аппроксимации нейронной но сети говорит о но том, что
но она работает но по крайней но мере не но хуже любого но наперед заданного но метода или
но модели кредитного но скоринга. Нейронная но сеть обучается но на конкретных
но демографических и ситуационных но данных.[28]
Как и но со всякой но системой, основанной но на системах но искусственного
интеллекта, с но нейронной сетью но самое сложное – но ее обучение и но запуск в
эксплуатацию. В но начальный момент но отсутствует история но выдачи кредитов, и
но вряд ли но конкуренты поделятся но информацией. Более но того, данные но разнятся по
но регионам, и те но признаки, которые но были важны в но одном регионе, но могут в
другом но не работать.
но Соответственно, предлагается но взять сначала но как можно но больше
анкетных и но ситуационных данных о но клиенте. В дальнейшем но те пункты
но анкеты, которые но не влияют но на кредитный но риск, отбросить.
но Начальное обучение но нейронной сети но производится на но основе специально
но сгенерированной выборки но анкет и простой но скоринговой модели и но экспертных
оценок.
но Другой проблемой, но сопряженной с использованием но нейронной сети
но является некоторая но непрозрачность для но человеческого понимания
но принимаемых ею но решений. Решение, но предлагаемое разработчиками но данных
автоматизированных но систем, состоит в:
- но извлечении правил но из нейронной но сети для но понимания факторов,
но влияющих на но кредитные риски и но управления ими;
- но утверждении и использовании в но операционной деятельности но дерева
решений.[20]