o:36217 KOMPARATIVNA ANALIZA MODELA KREDITNOG SKORINGA KONVENCIJALNI VS MODELI BAZIRANI NA MAŠINSKOM I DUBOKOM UČENJU COMPARATIVE ANALYSIS OF CREDIT SCORING MODELS: CONVENTIONAL VS MODELS BASED ON MACHINE AND DEEP LEARNING sr Apstrakt. Ovaj istraživački rad predstavlja komparativnu analizu različitih modela kreditnog skoringa, fokusirajući se na poređenje logističke regresije sa naprednim modelima mašinskog i dubokog učenja. Kao indikatori performansi modela i osnova za poređenje njihove efikasnosti biće korišćeni tačnost, preciznost, F1, opoziv, Gini i AUC. Jedan od osnovnih ciljeva ovog rada jeste da na transparentan način prikaže efikasnost različitih model i ukaže na njihove prednosti odnosno nedostatke. Za emprijsku analizu biće korišćena „Kaggle” baza podataka o ponašanju dužnika, a samo modeliranje će biti rađeno u razvojnom okruženju PyCharm koristeći Python programski jezik. Jedan od osnovnih rezultata istraživanja jeste da su modeli bazirani na dubokom učenju daleko efikasniji od ostalih modela, posmatrano kroz prizmu pomenutih indikatora performansi Abstract. This research paper presents a comparative analysis of credit scoring models, focusing on comparing logistic regression with models based on machine and deep learning. Accuracy, precision, F1, recall, Gini and AUC will be used as performance indicators and the basis for comparing model efficiency. One of the main goals of this research is to transparently compare different models and point out their advantages and disadvantages. The „Kaggle" database on debtor behaviour will be used for empirical analysis, and the modeling itself will be done in the PyCharm development environment using the Python programming language. One of the main results of the research is that models based on deep learning are far more efficient than other models, viewed through the prism of the mentioned performance indicators Ključne reči: modeli kreditnog skoringa, logistička regresija, mašinsko učenje, duboko učenje Key Words: credit scoring models, logistic regression, machine learning, deep learning. 1552099 10.54318/eip.2025.mr.007 1552101 2217-6217 2025-06-04T09:07:33.762Z 44 no 46 Milovan Rankov application/pdf 1186485 https://phaidrabg.bg.ac.rs/o:36217 no yes 18 70 1552253 11A03 Ekonomske ideje i praksa 57 29 45 2025