وصف المشروع:
يهدف هذا المشروع إلى التنبؤ بإفلاس الشركات باستخدام تقنيات تعلم الآلة (Machine Learning)، بالاعتماد على مجموعة بيانات التنبؤ بالإفلاس التايوانية. تم دمج تقنيات اختيار الخصائص مع خوارزميات التحسين مثل الخوارزمية الجينية (GA) وخوارزمية سرب الجسيمات (PSO) لتحسين دقة النموذج وكفاءته.
? منهجية العمل:
تم تنفيذ المشروع عبر المراحل التالية:
تنظيف البيانات ومعالجتها (Data Preprocessing)
اختيار الخصائص المهمة وإزالة الخصائص غير المؤثرة
تحسين اختيار الخصائص باستخدام:
الخوارزمية الجينية (Genetic Algorithm - GA)
خوارزمية سرب الجسيمات (Particle Swarm Optimization - PSO)
تدريب النماذج باستخدام:
الانحدار اللوجستي (Logistic Regression)
نموذج XGBoost
تقييم النماذج ومقارنة الأداء
⚙️ الخوارزميات المستخدمة:
Logistic Regression
XGBoost
Genetic Algorithm (GA)
Particle Swarm Optimization (PSO)
? البيانات المستخدمة:
تم استخدام مجموعة بيانات التنبؤ بالإفلاس التايوانية (Taiwanese Bankruptcy Prediction Dataset)، والتي تحتوي على بيانات مالية للشركات لتصنيفها إلى مفلسة أو غير مفلسة.
? عدد السجلات: 6819
? عدد الخصائص: 96
? المتغير الهدف:
0 = غير مفلسة
1 = مفلسة
أنواع الخصائص:
نسب السيولة (Liquidity Ratios)
نسب الربحية (Profitability Ratios)
نسب المديونية (Leverage Ratios)
نسب التشغيل (Operating Ratios)
نسب التدفق النقدي (Cash Flow Ratios)
? هدف المشروع:
بناء نموذج دقيق وفعال للتنبؤ بإفلاس الشركات، والمساهمة في تحسين تقييم المخاطر المالية ودعم اتخاذ القرار.
? النتائج:
تحسين اختيار الخصائص باستخدام GA وPSO
تحقيق نموذج XGBoost دقة أعلى مقارنة بالنماذج الأساسية
تقليل التكلفة الحسابية وتحسين كفاءة النموذج
