Resumen

La combinación del método discriminante de vecinos más cercanos no paramétrico y el análisis de clúster R se utiliza para construir un modelo de pantalla de índice de doble combinación. Las características del artículo son las siguientes: en primer lugar, se utiliza el método discriminante de vecinos más cercanos no paramétrico para seleccionar los indicadores que tienen una capacidad significativa para discriminar la tasa de pérdida por defecto, lo que compensa las deficiencias de investigaciones anteriores que solo se centran en los indicadores con capacidad significativa para discriminar el estado por defecto. Además, el análisis de clúster R aplicado en este documento clasifica los indicadores por clase de criterio, en lugar de clasificar el indicador por todo el sistema de índices. Este enfoque asegura que los indicadores que están agrupados en una clase tengan las mismas implicaciones económicas y características de datos. Este enfoque evita la situación en la que los indicadores que están agrupados en una clase solo tienen las mismas características de datos pero tienen diferentes implicaciones económicas.

• Materias:Big Data Restricciones distribuidas Algoritmo de inferencia Gestión administrativa
• Subjects:Big Data Distributed constraints Inference algorithm Administrative management
• Palabras claves:Combinación; No paramétrico; Vecino más cercano; Método discriminante; Análisis de conglomerados R; Indicadores
• Keywords:Combination; Nonparametric; Nearest neighbor; Discriminant method; R cluster analysis; Indicators