TY -的AU - Le,盯上了非盟- Vo,明Thanh AU - Vo,湾盟-李,Mi年轻盟——Baik唱钟旭PY - 2019 DA - 2019/08/05 TI -混合方法利用过采样技术和降低成本的学习方案破产预测SP - 8460934六世- 2019 AB -破产公司的诊断为企业主变得极其重要,银行、政府、证券投资者和经济利益相关者优化盈利能力，降低投资风险。利用不同的机器学习方法对世界各地不同的数据集进行破产预测研究。由于破产数据集存在类不平衡问题，需要采用一些特殊的技术来提高预测性能。过采样技术和代价敏感学习框架是处理类不平衡问题的两种常用方法。独立使用过采样技术和成本敏感学习框架也提高了可预测性。然而，对于平衡比率非常小的数据集，结合上述两种技术将产生更好的结果。因此，本研究开发了一种利用过采样技术和成本敏感学习的混合方法，即对韩国破产数据集进行破产预测的HAOC方法。HAOC的第一个模块是过采样模块，在第一个实验中发现了最优的平衡比，该平衡比将为验证集提供最好的整体性能。然后，第二个模块采用成本敏感学习模型，即CBoost算法进行破产预测。 The experimental results show that HAOC will give the best performance value for bankruptcy prediction compared with the existing approaches. SN - 1076-2787 UR - https://doi.org/10.1155/2019/8460934 DO - 10.1155/2019/8460934 JF - Complexity PB - Hindawi KW - ER -