Data Science in Finance: Dimension Reduction

Data Science in Finance: Dimension Reduction

Pada modul Machine Learning for Finance: Credit Risk Prediction kita mempelajari penerapan algoritma decision tree C5.0 untuk memprediksi credit scoring/rating seorang nasabah berdasarkan variabel-variabel seperti pendapatan, tenor pinjaman dan banyaknya tanggungan.

Dataset untuk rating kredit pada umumnya memiliki banyak sekali variabel. Harapan dari mencatat data dengan banyak variabel ini adalah membuat model yang bisa membuat klasifikasi credit rating yang akurat. Namun besarnya jumlah variabel ini juga menimbulkan persoalan tersendiri, yaitu banyaknya redundant variabel, kesulitan melakukan visualisasi, kesulitan menjelaskan model dan besarnya storage yang diperlukan.

Di sinilah teknik statistika Principal Component Analysis dapat berperan, yaitu sebagai teknik unsupervised machine learning untuk mengurangi banyaknya variabel (dimension reduction) untuk digunakan sebagai input untuk algoritma lain tanpa banyak mengurangi kualitas dari prediksi rating.