التنبؤ بمخاطر الائتمان باستخدام Machine Learning

قمت بتطوير دراسة تطبيقية للتنبؤ بمخاطر الائتمان باستخدام تقنيات تعلم الآلة والتعلم العميق، مع مقارنة أداء مجموعة من النماذج بهدف تقييم قدرتها على تصنيف الحالات والتعامل مع البيانات المالية.

شمل العمل تجهيز البيانات، ومعالجة الخصائص، والتعامل مع عدم توازن الفئات باستخدام SMOTE، ثم تدريب وتقييم نماذج متعددة، من بينها Logistic Regression وRandom Forest وXGBoost والشبكات العصبية الاصطناعية (ANN).

اعتمدت في تقييم النماذج على مجموعة من المقاييس، مثل Accuracy وF1-score وROC-AUC وPrecision-Recall، لتحليل الأداء ومقارنة النتائج بصورة منهجية.

أبرز المميزات:

تنظيف البيانات وتجهيزها للتدريب.

معالجة عدم توازن الفئات باستخدام SMOTE.

بناء ومقارنة نماذج Machine Learning وANN.

تقييم النماذج باستخدام مقاييس متعددة.

تحليل النتائج ومقارنة أداء الخوارزميات.

التقنيات المستخدمة: Python, Pandas, Scikit-learn, TensorFlow, Keras, XGBoost, SMOTE, Matplotlib.