Revue d'économie et de statistique appliquée
Volume 11, Numéro 1, Pages 299-308
2014-06-30

Methodes Des Arbres De Decision Pour Le Scoring Bancaire

Auteurs : Lounici Nora . Kherchi Medjden Hanya . Sadi Khadidja .

Résumé

Cet article présente l’automatisation du traitement de demande de prêt bancaire, offert aux jeunes chômeurs pour les encourager à créer leurs propres entreprises, par le biais d dispositif ANSEJ , selon une approche de Datamining : Les arbres de décisions. Les modèles de scoring pour la tâche d’apprentissage supervisé chosie exposent les possibilités pratiques des trois méthodes suivantes : CHAID, Cart et C4.5. une présentation empirique comparative de ces trois algorithmes d’Arbres de décisions permettra de sélectionner le modèle «emprunteur», le plus performant. Nous nous intéressons plus particulièrement à l’étape cruciale de valider les classements obtenus à travers l’étude d’un cas pratique nécessitant l’utilisation de plusieurs logiciels « open source » de Data Mining (tanagra, Sipina et Weka). Il s’agit de détecter automatiquement à partir d’une série de

Mots clés

classement, scoring bancaire, Data Mining, arbres de décision, logiciels open source Data Mining