การเปรียบเทียบประสิทธิภาพในการทำนายผลการอนุมัติบัตรเครดิต 4 วิธีของธนาคารพาณิชย์ไทย
Article Sidebar
Main Article Content
บทคัดย่อ
การศึกษานี้เป็นการเปรียบเทียบประสิทธิภาพในการทำนายผลการอนุมัติบัตรเครดิต 4 วิธี ของธนาคารพาณิชย์ไทย โดยทดสอบกับข้อมูลจริงจากธนาคารพาณิชย์ไทย 2 แห่ง วิธีการจำแนกกลุ่มที่นำมาเปรียบเทียบ คือ วิธีความใกล้เคียงกันมากที่สุดโดยใช้อัลกอริทึมชนิด IBk วิธีแผนภาพต้นไม้เพื่อการตัดสินใจโดยใช้อัลกอริทึมชนิด J48 วิธีโครงข่ายประสาทโดยใช้อัลกอริทึมชนิดเพอร์เซปตรอนแบบหลายชั้น และวิธีซัพพอร์ตเวกเตอร์แมชชีนโดยใช้อัลกอริทึม SMO ชนิดโพลิโนเมียลเคอร์เนล ในการเปรียบเทียบประสิทธิภาพในการทำนายผลของวิธีการจำแนกกลุ่มทั้ง 4 วิธี จะใช้ค่าความถูกต้อง ค่าอัตราความถูกต้องเชิงบวก ค่าอัตราความถูกต้องเชิงลบ ค่าความแม่นยำ ค่าความระลึก ค่าความถ่วงดุล ค่าอัตราความผิดพลาดเชิงบวก ค่าอัตราความผิดพลาดเชิงลบ ค่าความคลาดเคลื่อนสัมบูรณ์เฉลี่ย (MAE) และค่าความคลาดเคลื่อนกำลังสองเฉลี่ย (MSE)
ผลการศึกษาพบว่าวิธีโครงข่ายประสาทมีค่าความถูกต้อง ค่าอัตราความถูกต้องเชิงบวก ค่าอัตราความผิดพลาดเชิงลบ ค่าความระลึก ค่าความถ่วงดุล ค่าความคลาดเคลื่อนกำลังสองเฉลี่ย และค่าความคลาดเคลื่อนกำลังสองเฉลี่ยดีที่สุดคือ 70.37%, 0.821, 0.179, 0.821, 0.742, 0.3683 และ 0.1925 ตามลำดับ ส่วนวิธีแผนภาพต้นไม้เพื่อการตัดสินใจและวิธีความใกล้เคียงกันมากที่สุดมีค่าอัตราความถูกต้องเชิงลบและค่าอัตราความผิดพลาดเชิงบวกดีที่สุดคือ 0.731 และ 0.269 ตามลำดับ และวิธีแผนภาพต้นไม้เพื่อการตัดสินใจมีค่าความแม่นยำดีที่สุดคือ 0.682 เนื่องจากวิธีโครงข่ายประสาทมีประสิทธิภาพในการทำนายผล ดีที่สุด 7 ใน 10 ค่า ดังนั้นวิธีโครงข่ายประสาทเป็นวิธีที่ดีที่สุด
Article Details
"ข้อคิดเห็น เนื้อหา รวมทั้งการใช้ภาษาในบทความถือเป็นความรับผิดชอบของผู้เขียน"
References
Sakulnatanasak, M. 2013. Usage of Services of Krung Thai Card (Public Company Limited) Holders in Bangkok. Thesis, Master’s Degree in Business, Department of Finance, Graduate School, Sripatum University.
[2] กัมพล กลมรัตน์ธาดา. 2553. ระบบสัญญาณเตือนภัยล่วงหน้าทางการเงิน : การเปรียบเทียบระหว่างวิธีการถดถอยโลจิสติกส์ และโครงข่ายประสาทเทียม. วิทยานิพนธ์. ปริญญาวิทยาศาสตรมหาบัณฑิต บัณฑิตวิทยาลัย จุฬาลงกรณ์มหาวิทยาลัย.
Komratanathada, K. 2010. A Financial Early Warning System : A Comparison Between Logistic Regression Approach and Neural Networks. Thesis, Master’s Degree in Science, Graduate School, Chulalongkorn University.
[3] ณัฐวุฒิ ศิริกุลรุ่งโรจน์ และคณะ. 2556.การเปรียบเทียบประสิทธิภาพการจำแนกประเภทโดยใช้วิธีความใกล้เคียงกันมากที่สุด วิธีแผนภาพต้นไม้เพื่อการตัดสินใจ วิธีโครงข่ายประสาทเทียม และวิธี ซัพพอร์ตเวกเตอร์แมชชีน. ปัญหาพิเศษ ปริญญา วิทยาศาสตรบัณฑิต สาขาวิชาสถิติ สถาบันเทคโนโลยีพระจอมเกล้าเจ้าคุณทหารลาดกระบัง.
Sirikulrungrot, N., et al. 2013. An Efficiency Comparison of Classification by K-nearest Neighbor, Decision Tree, Neural Network and Support Vector Machine. Special Problem, Bachelor’s Degree in Sciences, Department of Statistics, King Mongkut’s Institute of Technology Ladkrabang.
[4] อรรณพ ตันติรักษโรจน์ และคณะ. 2554. ปัจจัยที่มีผลต่อคุณสมบัติของบัตรเครดิตของพนักงานในเขตนิคมอุตสาหกรรมอมตะ นคร จังหวัดชลบุรี.วารสารครุศาสตร์อุตสาหกรรม, 10(3), น.221-235.
Tuntiruksaroj, A., et al. 2011. Factor of Influencing Property Credit Card of the Persons in Amata Nakorn Industrial Estate, Chonburi. Journal of Industrial Education, 10(3), p.221-235.
[5] Kumar, V. and Wu, X. 2009. The Top Ten Algorithms in Data Mining. Minnesota : CRC Press.
[6] รุจิรา ธรรมสมบัติ. 2554. ระบบสนับสนุนการตัดสินใจในการเลือกใช้แพคเกจอินเทอร์เน็ตมือถือโดยใช้ต้นไม้ตัดสินใจ. วิทยานิพนธ์ ปริญญาบริหารธุรกิจมหาบัณฑิต สาขาคอมพิวเตอร์ธุรกิจ บัณฑิตวิทยาลัย วิทยาลัยราชพฤกษ์.
Thammasombut, R. 2011. Decision Support System for Selection the Mobile Internet Package Using Decision Tree. Thesis. Master’s Degree in Business, Department of Business Computer, Graduate School, Rajapruk College.
[7] Berson, A. and Stephen, J. S. 1997.Data Warehousing, Data Mining,and OLAP. New York : John Wiley and Sons.
[8] วาทินี นุ้ยเพียร สมชาย ปราการเจริญ และพยุง มีสัจ. 2553. การเปรียบเทียบประสิทธิภาพและวิเคราะห์การจำแนกข้อมูลโดย ใช้โครงข่ายประสาทเทียมซัพพอร์ตเวกเตอร์แมชชีน นา อีฟเบย์ และเคเนียรเรสต์เนเบอร์. วิทยานิพนธ์ ปริญญาเทคโนโลยีสารสนเทศมหาบัณฑิต สาขาวิชาเทคโนโลยีสารสนเทศ บัณฑิตวิทยาลัย มหาวิทยาลัยเทคโนโลยีพระจอมเกล้าพระนครเหนือ.
Nuipian, V., Prackancharoen, S. and Meesad, P. A Comparative Efficiency and Analysis of Classification by Neural Network, Support Vector Machines, Naïve Bayes and K-Nearest Neighbor. 2010. Thesis, Master’s Degree in Information Technology, Department of Information Technology, College School, King Mongkut’s University of Technology North Bangkok.