Détails du sujet
Modélisation de la crédibilité d’un client dans une coopérative d’épargne et
des crédits avec le Data Mining
Résumé
De nos jours, une grande quantité des données est générée par divers systèmes d’informations, et cela ne cesse de croitre du jour le jour. Cependant ces données renferment beaucoup
d’informations et des connaissances qui peuvent être utilisées à plusieurs fins, y compris des fins de développement. Le Data Mining est, effectivement, un domaine d’intelligence
artificielle qui s’intéresse à analyser et à exploiter les informations et tendances contenues dans des vastes quantités des données. Ce présent travail utilise des techniques de Data Mining pour palier au problème de non-remboursement des prêts sous le thème « Modélisation de la
crédibilité d’un client dans une coopérative d’épargne et de crédit avec le Data Mining». La méthodologie Cross Industry Standard Process-Data Mining (CRISP-DM) a été utilisée pour
atteindre les objectifs de cetravail. Elle est une approche structurée, utilisée pour les projets.
Quatre Modèles de prédiction ont été entrainés sur notre dataset dont les arbres de décision, la régression logistique, les réseaux bayésiens et les forêts aléatoires. Pour évaluer la performance des modèles énoncées, les métriques d’évaluations suivantes : Accuracy, Precision, Recall et
Taux d’erreur ont été utilisé. Ces métriques démontrent que les arbres de décision et les forêts aléatoires sont les meilleurs modèles pour cette tâche. Notons que pour réaliser ce travail, plusieurs librairies de python ont été utilisées, dont Pandas, Numpy, Scikit-learn, Matplotlip et une interface graphique a été implémentée pour faciliter l’utilisation aux décideurs de la coopérative d’épargne et des crédits avec Tkinter. Ce travail présente une opportunité d’automatisation de service et le traitement à temps-réel du dossier de sollicitation de crédit.
Son application, surtout, réduira le risque d’octroyer les prêts aux clients non crédibles.
Auteur : CHIZA MATUNGURU
Niveau: TECH2
Département: Genie Informatique
Année Ac: 2018-2019 , | 2020-01-29 06:19:30
Mots clés
Intérêt
Directeur & Encadreur
Directeur: KAMBALE Vianney WITESYAVWIRWA
Status
Décision ou observation:
Feu vert:
Déposé : OUI
Défendu: NON
Finalisé: OUI
Modélisation de la crédibilité d’un client dans une coopérative d’épargne et des crédits avec le Data Mining
Résumé
De nos jours, une grande quantité des données est générée par divers systèmes d’informations, et cela ne cesse de croitre du jour le jour. Cependant ces données renferment beaucoupd’informations et des connaissances qui peuvent être utilisées à plusieurs fins, y compris des fins de développement. Le Data Mining est, effectivement, un domaine d’intelligence
artificielle qui s’intéresse à analyser et à exploiter les informations et tendances contenues dans des vastes quantités des données. Ce présent travail utilise des techniques de Data Mining pour palier au problème de non-remboursement des prêts sous le thème « Modélisation de la
crédibilité d’un client dans une coopérative d’épargne et de crédit avec le Data Mining». La méthodologie Cross Industry Standard Process-Data Mining (CRISP-DM) a été utilisée pour
atteindre les objectifs de cetravail. Elle est une approche structurée, utilisée pour les projets.
Quatre Modèles de prédiction ont été entrainés sur notre dataset dont les arbres de décision, la régression logistique, les réseaux bayésiens et les forêts aléatoires. Pour évaluer la performance des modèles énoncées, les métriques d’évaluations suivantes : Accuracy, Precision, Recall et
Taux d’erreur ont été utilisé. Ces métriques démontrent que les arbres de décision et les forêts aléatoires sont les meilleurs modèles pour cette tâche. Notons que pour réaliser ce travail, plusieurs librairies de python ont été utilisées, dont Pandas, Numpy, Scikit-learn, Matplotlip et une interface graphique a été implémentée pour faciliter l’utilisation aux décideurs de la coopérative d’épargne et des crédits avec Tkinter. Ce travail présente une opportunité d’automatisation de service et le traitement à temps-réel du dossier de sollicitation de crédit.
Son application, surtout, réduira le risque d’octroyer les prêts aux clients non crédibles.
Auteur : CHIZA MATUNGURU
Niveau: TECH2
Département: Genie Informatique
Année Ac: 2018-2019 , | 2020-01-29 06:19:30
Mots clés
Intérêt
Directeur & Encadreur
Directeur: KAMBALE Vianney WITESYAVWIRWAStatus
Décision ou observation:Feu vert:
Déposé : OUI
Défendu: NON
Finalisé: OUI