L'utilisation des réseaux bayésiens dans la prédiction de la faillite
Mots-clés :
Malfunction, hidden costs, performanceRésumé
Le but de cet article est de comparer le développement des modèles de réseau bayésien: un
réseau bayésien naïf (NBN) et un arbre couvrant de poids maximum (MWST) dans la
prévision de la défaillance des entreprises tunisiennes. En utilisant un échantillon de 130
petites et moyennes entreprises tunisiennes et une batterie de 9 ratios financiers calculés pour
la période 2005-2012, on peut conclure que, pour un problème de classification,
l'apprentissage supervisé avec une architecture naïve est plus approprié et donne des résultats
plus pertinents que un modèle d'apprentissage non supervisé avec un poids maximal couvrant
l'arbre.
Téléchargements
Téléchargements
Publiée
Versions
- 2020-07-25 (2)
- 2020-07-25 (1)
Numéro
Rubrique
Licence
Merci de créditer les auteurs lors de toute citation : Revue Française d'Economie et de Gestion (2020)

Ce travail est disponible sous licence Creative Commons Attribution - Pas d’Utilisation Commerciale 4.0 International.
















