Pomiń nawigację

Przewidywanie spisania pożyczek na straty przy użyciu programu SQL Server

W tym rozwiązaniu pokazano, jak utworzyć i wdrożyć model uczenia maszynowego z programem SQL Server 2016 i usługami R Services w celu przewidywania, czy będzie konieczne spisanie pożyczki bankowej na straty w ciągu następnych 3 miesięcy.

Loan ChargeOff Prediction with SQL ServerThis solution demonstrates how to build and deploy a machine learning model with SQL Server 2016 with R Services to predict if a Bank loan will need to be charged off within next 3 months

Zrzeczenie odpowiedzialności

© 2017 Microsoft Corporation. Wszelkie prawa zastrzeżone. Te informacje są udostępniane w stanie „jak są” i mogą ulec zmianie bez powiadomienia. Firma Microsoft nie udziela żadnych gwarancji, jawnych ani dorozumianych, w związku z informacjami przedstawionymi tutaj. Do wygenerowania rozwiązania wykorzystano dane innej firmy. Na Tobie spoczywa odpowiedzialność za przestrzeganie praw innych, w tym za uzyskanie odpowiednich licencji i postępowanie zgodnie z nimi przy tworzeniu podobnych zbiorów danych.

Loan ChargeOff Prediction with SQL ServerThis solution demonstrates how to build and deploy a machine learning model with SQL Server 2016 with R Services to predict if a Bank loan will need to be charged off within next 3 months

Powiązane architektury rozwiązań

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.

Ocenianie ryzyka pożyczek przy użyciu programu SQL Server

Używając programu SQL Server 2016 z usługami R Services, instytucja udzielająca pożyczek może stosować analizę predykcyjną w celu zmniejszenia liczby pożyczek oferowanych osobom, które najprawdopodobniej ich nie spłacą. Zwiększa to rentowność portfela pożyczek.