Abstract:
- التطور الهائل فى مجال تكنولوجيا المعلومات والإتصال أدى إلي توفر كمية كبيرة من البيانات يمكن أن تساهم بصورة مباشرة فى دعم إتخاذ القرار إذا ما تم تحليلها بالصورة المطلوبة، تكمن المشكلة فى أن البنك قيد الدراسة يقوم بعملية تمويل لعملائه ولكنه يواجه بعض المخاطر فى كيفية وفاء العملاء بإسترداد التمويل حسب القيد الزمني المحدد للإسترداد، كذلك لا يستفيد البنك من الكمية الهائلة للبيانات المتوفرة والتي يساعد تحليلها في الحد من مخاطر هذا النوع من التمويل. تهتم هذه الورقة بتطبيق تقنيات تعلم المكائن فى التنبؤ عن مخاطر الإئتمانية في التمويل البنكي. تم إستخدام خوارزمية شجرة القرارات Decission) Tree) و خوارزمية المستقبل متعدد الطبقات(MultiLayer Perceptron) ، أظهرت النتائج أنه ومن خلال إستخدام النظم الذكية يمكن للبنك التنبوء بالمخاطر والإئتمانية مما يمكن البنك من وضع الإحتياطات اللازمة لحل هذه المشكلات. لقياس دقة إكتشاف المخاطر تم إستخدام مصفوفة الارتباك والتي تحتوي معيار الصواب والخطأ و علي صنف الموجب والسالب، تم استخدام شجرة القرارات في عملية التصنيف واستخدمت لإكتساب المعلومات وتقسيم الشجرة للتنبؤ بحدوث الخطر كما أن خوارزمية شجرة القرارات Decission) Tree) حققت نسبة دقة 100% فى إكتشاف المخاطر مقارنة بخوارزمية المستقبل متعدد الطبقات (MultiLayer Perceptron)والتي كانت نسبة دقة نتائجها 97.7064 %, من خلال بيانات رقمية وحرفية بحجم 3847 عميل وتم تنظيف البيانات وذلك بملء البيانات المفقودة في مجموعة البيانات Dataset والتخلص من الحقول الغير ضرورية.واستخدم ايضا خوارزمية التجميع لتجميع عدة بيانات اعتماداً على خصائصها إلى K تجمع، وتتم عمليه التجميع من خلال تقليل المسافات بين البيانات ومركز التجمع.
