سیستم تصمیم گیری سرمایه گذاری مبتنی بر نمونه چند هدفه

انتخاب ۵۰ هزارتا از ۵۰۰ هزار داده تحلیل اولیه داده ها شامل محاسبه میانگین،واریانس،مد،چولگی،میانه،چارک حتما با پایتون در محیط jupyter بیش برازش داده ها شامل کدگذاری داده های غیر عددی بر اساس روش target value یا woe و بالانس کردن داده ها بر اساس روش SMOTE و نرمال سازی داده ها در مقایس ۰و۱ با تابع min_max scalor پیش بینی ریسک و بازده وام ها با ۱۹ ویژگی و انجام Cross validation و test روی مدل پیش بینی ریسک دو لیبل ۰و۱ با استفاده از مدل های ماشین لرنینگ شامل: RF,logestic Regression,logit,SVM,KNN,CNN,Navie,baye,CNN_LSTM پیش بینی بازده با استفاده از مدل های دیپ لرنینگ شامل: MLP یا پرسپترون چندلایه ، LSTM،CNN,CNN_LSTM بهینه سازی سبد شامل ۳۰ تا از بهترین وام ها با استفاده از الگوریتم ژنتیک NSGA2, زنبور عسل،کولونی مورچگان،گرگ خاکستری, PSO رسم نمودارها ی مدل های پیش بینی و بهینه سازی مدل بهینه سازی در پیوست