В работе изложен метод определения оптимального объема обучающей выборки, основанный на корреляционной связи между количеством верных предсказаний скорингового алгоритма и общим числом испытаний. Все построения ведутся на примере классификатора Байеса. Полученный результат может быть применен к произвольным скоринговым алгоритмам вне зависимости от их природы.
обучающая выборка, скоринг, надежность скорингового алгоритма, training selection, scoring, reliability of scoring algorithm
1. Э. Мэйз. Руководство по кредитному скорингу. Банксис, Москва, 2008. 464 с.
2. А.А. Строев. Расчеты и операционная работа в коммерческом банке. № 6. 28-33. (2004)
3. В.В. Карасев. Риск-менеджмент в кредитной организации, методический журнал. 10. 2. 97-108. (2013).
4. J. Kruppaa, A. Schwarzb, G. Arminger, A. Ziegler Expert Systems with Applications. 40. 5125-5131. (2013).
5. Tom Fawcett. HP Laboratories (2004)
6. С.И. Пшеничный. // Экономические науки. 2010. № 63, С. 306-310.
7. К. В. Воронцов, А.С. Инякин, А. В. Лисица. // Тр. Всеросс. конф. ММРО-13. «МАКС Пресс», Москва, 2007. С. 577-581.
8. Е. В. Стребков В сб. Исследования по прикладной математике. Вып.21. Унипресс, Казань, 1999. С. 228.
9. Стребков Е.В. В сб. материалов международ. научно-практ. конфер. Логистическая интеграция российских регионов: Институциональные инновации. Изд-во «Бриг», Казань, 2012. С. 255 -257.
