TY-JOURA2-Ayag、ZekiAU-Appiene、PeterAU-Missah、Yaw MarfoAU-Nagim、UssiphPY-2020DA-2020DA-2020/07/23TI-预测银行使用机器学习算法:决策树比较研究、随机森林和神经网络SP-8581202VL-2020AB-2015至2018年冲击加纳的金融危机提出了银行效率和安全银行业的各种问题作为改善银行部门并恢复客户信心的措施的一部分,银行业效率和性能分析已成为热点问题这是因为利害相关方必须发现银行业效率低下的根本原因文献中建议非对称方法,如数据渗透分析,作为衡量银行效率和性能的良好尺度机器学习算法也被视为估计各种非参数和非线性问题的良好工具本文介绍DEA综合三种机器学习方法使用444加纳分行决策单元评价银行效率和性能对比结果从DEA获取的相应效率评分最后,比较了三种机器学习算法模型预测适切性结果显示决策树和C5.0算法提供最佳预测模型百分百预测134延迟样本数据集(30%存取量) P级 值0.00.随机森林算法密切跟踪DT98.5%预测精度 P级 值++++++++++++++++++++++++++++++++++++++++++++++++++++++++++++++++++++++++++++++++++++++++++++++++++++++++++++++++++++++++++++++++ P级 值0.66研究得出结论,加纳银行可使用研究结果预测其各自效率所有实验均在模拟环境内进行,并使用R代码在R演播室进行SN-1687-7101UR-https://doi.org/101155/208581202DO-101155/20212JF-Fisy系统PB-HindawiKW-ER