کریڈٹ خطرات کیلئے فیصلہ‌کُن درخت بنانا

مناسب طور پر تیار کرنے سے انحراف کم ہو جاتا ہے اور مؤثر تفاعل کے لیے ڈیٹا تیار کرتا ہے۔

3۔ غیر واضح انتخاب

تمام خصوصیات یکساں طور پر متضاد نہیں ہوں۔ اطلاعی انتخاب ماڈل کارکردگی بہتر کرے اور تعبیر کی وضاحت کریں:

• [FLT] غیر یقینی منافع / باہمی معلومات : Range species اس بات سے کہ وہ ہدف کے بارے میں کتنا غیر یقینی کمی کرتے ہیں۔
• کروریکلیشن تجزیہ: سرخ رنگ کی خصوصیات کو کم کرنے کے لیے انتہائی انتہائی متحرک خصوصیات کو دور کرنا۔
• ریکرسی خصوصیت ختم کرنے (RFE): [1] اس میں موجود کمزور خصوصیات کو دور کرنے کے لیے فیصلہ کا درخت استعمال کریں۔

عام طور پر کریڈٹ کے خطرے کے لیے منتخب خصوصیات میں قرض لینے والے شرح سود، کریڈٹ لفٹنگ، متعدد کھلے تاجروں اور کریڈٹ تاریخ کی لمبائی شامل ہیں۔

۴ : درخت کی تعمیر

بینکاری میں سب سے زیادہ استعمال ہونے والی شرحیں اور پیچیدگیوں میں فرق ہوتی ہیں۔

• CCCTV (Classification and Regression Terrion): کلاسکی مرمت کے لیے استعمال ہونے والی جینی نجاست کا استعمال۔ یہ binary date dates کو سوروغ کے ذریعے جمع کرکے ختم کرتا ہے۔
• C4.5 / C5.0: معلوماتی شرح سود استعمال کرتا ہے اور کثیر الجہت پیدا کرتا ہے لیکن احتیاط کے بغیر زیادہ سے زیادہ انفنٹری کی طرف مائل ہوتا ہے۔
• ] ایڈز3: تاریخی پیشگی، پیداوار میں بہت کم استعمال ہوتا ہے۔

ہائیپرپرامٹر ٹورنگ

کلیدی پیرامیٹراں کنٹرول درخت پیچیدگی:

• : حد درجہ زیادہ مقدار میں (عام اقدار: 5–15) کو روکنے کے لیے زیادہ مقدار میں اضافہ کیا جاتا ہے۔
• : ایک ربر کو تقسیم کرنے کے لیے درکار انفصام کی تعداد (مثلاً 50)۔
• : [حوالہ درکار] ہر پتے (مثلاً 20)۔
• : ہر تقسیم کے لیے متعلقہ خصوصیات کی تعداد (مثلاً مجموعی خصوصیات)۔

پیرامیٹرز کا انتخاب کرنے کے لیے صلیبی شعاعیں استعمال کرنا۔ ایک سطحی درخت زیرِزمین؛ گہری جھاڑی شور مچا سکتا ہے. مقصد ایک ایسا درخت ہے جو پوشیدہ قرضوں کو عام کرتا ہے۔

۵. ۱۲

پروین مکمل گہرائی تک پھیلنے کے بعد درخت کو کم کردیتا ہے دو عام قریبی:

• پری پرومنگ (پریس روک): بند کرو جب کوئی ایک ربن میں کم مقدار میں موجود ہو یا جب تصادم کم مقدار میں نہ ہو تو کم مقدار میں آلودہ ہونے سے زیادہ مقدار میں کمی واقع نہ ہو۔
• [Post-proning (cost-complectivity): مکمل درخت کو کاشت کرنے والی شاخیں جو چھوٹی چھوٹی چھوٹی چھوٹی چھوٹی چھوٹی چھوٹی چھوٹی چھوٹی چھوٹی چھوٹی غلطیوں سے لیکر سبکدوشی کے ساتھ منتخب کریں] اس [FL] کے ذریعے معاونت کرتا ہے۔

درختوں کی اقسام سادہ ، کم‌ازکم زیادہ‌تر اُوپر کی طرف مائل اور پیداوار میں اضافہ کرنے میں آسانی پیدا کر سکتی ہیں ۔

بینکنگ میں فیصلہ‌کُن درخت استعمال کرنے کے عادی

• Interpretity: ایک فیصلہ شدہ درخت کو تصور کیا جا سکتا ہے اور غیر تکنیکی طور پر سُرخ فاموں کو بیان کیا جا سکتا ہے. ایک خطرہ مینیجر کہہ سکتا ہے: "اگر قرض لینے والے اور کم آمدنی والے اور حالیہ ڈینسی کی تعداد 45%; 2۔
• کوئی بھی نقل کرنے کا مطالبہ نہیں کرتا : [1] انفنٹری اور انفنٹری خصوصیات کو مقامی طور پر استعمال کیا جاتا ہے، جس سے پہلے کے مراحل میں کمی واقع ہوتی ہے۔
• Handling nolinear رشتوں: [1] خصوصیات (مثلاً، آمدنی اور قرض کی مقدار) کے درمیان میں خودبخود گرفتار ہو جاتے ہیں۔
• ایک بار تربیت یافتہ، توقعات تیزی سے ہوتی ہیں—لوگریتھک وقت درخت کی گہرائی سے متعلق. میں نے حقیقی وقت کے کریڈٹ فیصلہ کے لئے نامزد کیا.
• Feture اہمیت: درخت بنانے والے میکانیکیات (مثلاً گندھک میں کمی) کو درجہ دینے کے لیے زیادہ تر اثر انگیز عناصر کو درجہ دینے کے لیے بنائی جانے والی مصنوعات فراہم کرتے ہیں۔

درخت مخصوص تربیتی نمونے کے لیے حساس ہو سکتے ہیں. ایک علاج استعمال کرنا ہے یا Gradent Boosting، جس میں اوسط طور پر بہت سے درخت تفریق کو کم کرنے کے لیے ہیں (viaituit)۔

فیصلہ کرنے کے لئے درختوں کی مشق کریں

پیداواری کریڈٹ ماڈلوں کے لیے ایک ہی فیصلہ کے درخت صرف ایک ہی استعمال ہوتے ہیں بلکہ وہ انسبل طریقوں کے لیے تعمیری بلاکس کے طور پر بھی کام کرتے ہیں:

لوگوں کا جنگل

یہ درست اور درست ہے لیکن بعض تعبیر‌وفہم کی قیمت پر اہمیت اور اس کی خصوصیات کو واضح کرنے کے باوجود ، اس میں درج خصوصیات اور انتہائی اہم اقدار کی وضاحت کی جا سکتی ہے ۔

گر ⁇ بوستاننگ مشینس (GBM)

XGBost, LightGBM, اور کیٹ بُسٹ صنعت پسند ہیں کریڈٹ خطرے کے لیے. وہ درخت بناتے ہیں، سابقہ غلطیوں سے سبق لیتے ہیں. یہ ماڈل اکثر ملکی سطح پر نمایاں کارکردگی حاصل کرتے ہیں، اگرچہ انہیں احتیاط سے بچنے کے لیے احتیاط سے ٹی وی کی ضرورت ہوتی ہے۔

مہم بازی

بہتیرے بینکوں کا آغاز ایک درخت سے ہوتا ہے جس کی دریافت‌شُدہ وضاحت اور دوبارہ شروع ہوتی ہے ۔

دوبارہ شروع اور غیر ذمہ‌داری

مالیاتی رد عمل (جیسے، Basel Comm ⁇ ee on Banking Supervision[1]]) لازمی طور پر ماڈلنگ اور انصاف کی ضرورت ہے. فیصل درخت ان اصولوں کے ساتھ مطابقت رکھتے ہیں کیونکہ وہ غیر معمولی طور پر قابلِ وضاحت ہیں۔