Prognose for ettergivelse av lån med SQL Server

Denne løsningen demonstrerer hvordan du bygger og distribuerer en maskinlæringsmodell med SQL Server 2016 for å forutsi om et banklån blir ettergitt i løpet av de neste 3 månedene.

Predicción de préstamos incobrables con SQL ServerEsta solución muestra cómo crear e implementar un modelo de aprendizaje automático con SQL Server 2016 con R Services para predecir si será necesario declarar como incobrable un préstamo bancario en los próximos 3 meses.

Ansvarsfraskrivelse

©2017 Microsoft Corporation. Med enerett. Denne informasjonen gis «som den er» og kan endres uten varsel. Microsoft gir ingen garantier, uttrykkelig eller underforstått, i forbindelse med informasjonen som oppgis her. Tredjepartsdata ble benyttet for å generere løsningen. Du er ansvarlig for å respektere andres rettigheter, inkludert anskaffelse og overhold av relevante lisenser for å opprette lignende datasett.

Predicción de préstamos incobrables con SQL ServerEsta solución muestra cómo crear e implementar un modelo de aprendizaje automático con SQL Server 2016 con R Services para predecir si será necesario declarar como incobrable un préstamo bancario en los próximos 3 meses.

Relaterte løsningsarkitekturer

Loan Credit Risk with SQL ServerUsing SQL Server 2016 with R Services, a lending institution can make use of predictive analytics to reduce number of loans they offer to those borrowers most likely to default, increasing the profitability of their loan portfolio.

Lånekredittrisiko med SQL Server

Ved bruk av SQL Server 2016 med R Services, kan en låneinstitusjon benytte prediktiv analyse for å redusere antallet lån som de tilbyr til de lånetakere som mest sannsynligvis vil misligholde og derved øke lønnsomheten på låneporteføljen.