AVALIAÇÃO DE TÉCNICAS DE APRENDIZADO DE MÁQUINA APLICADAS A ANÁLISE DE RISCO DE CRÉDITO
O servic¸o de concessa˜o de cre´dito ao consumidor final tem crescido de forma contundente nos u´ltimos anos, sendo esta uma tendeˆncia se levarmos em considerac¸a˜o os juros mais baixos praticados com um cena´rio pol´ıtico/econoˆmico cada vez mais conservador. Neste cena´rio, torna-se ainda mais relevante o processo de ana´lise de risco de cre´dito, que ainda utiliza muitas te´cnicas arcaicas, com enfoque no tratamento individual e subjetivo dos dados do candidato a` concessa˜o. Visando otimizar a tarefa de ana´lise de risco de cre´dito o presente trabalho tem como objetivo o estudo, implementac¸a˜o e avaliac¸a˜o de 10 dentre os principais algoritmos de classificac¸a˜o presentes na literatura aplicados a` classificac¸a˜o de candidatos a` concessa˜o de cre´dito. Adicionalmente, a etapa de pre´-processamento da base de dados utilizada incluiu a tarefa de selec¸a˜o de caracter´ısticas atrave´s de filtros univariados e multivariados, com o intuito de encontrar os atributos mais relevantes bem como a eliminac¸a˜o de redundaˆncias. Os experimentos realizados demonstraram a importaˆncia da selec¸a˜o de caracter´ısticas para melhoria dos algoritmos de classificac¸a˜o, ale´m disso, foi poss´ıvel verificar que os me´todos do tipo ensemble obtiveram os melhores resultados de maneira geral considerando-se a base de dados utilizada.
AVALIAÇÃO DE TÉCNICAS DE APRENDIZADO DE MÁQUINA APLICADAS A ANÁLISE DE RISCO DE CRÉDITO
-
DOI: 10.22533/at.ed.4482216031
-
Palavras-chave: Aprendizado de ma´quina, algoritmos de classificac¸a˜o, selec¸a˜o de caracter´ısticas, ensemble, ana´lise de cre´dito
-
Keywords: Machine learning, classification algorithms, feature selection, ensemble, credit analysis
-
Abstract:
The service of granting credit to the final consumer has grown sharply in recent years, and this is a trend if we take into account the lower interest rates practiced with a scenario ethical/economic is increasingly conservative. In this scenario, the credit risk analysis process becomes even more relevant, which still uses many archaic techniques, focusing on the individual and subjective treatment of the grant candidate's data. Aiming to optimize the task of ana'lise of cre'dito risk The present work aims at the study, implementation and evaluation of 10 among the main classification algorithms present in the applied literature to the classification of candidates for the concession of credit. In addition, the pre-processing stage of the database used included the characteristic task of characteristic attractions of univariate and multivariate filters, in order to find the most relevant attributes as well as the elimination action of redundancies. The experiments carried out demonstrated the importance of the selection of characteristics for the improvement of the classification algorithms, in addition, it was possible to verify that the methods of the ensemble type obtained the best results. general way considering the database used.
-
Número de páginas: 18
- Rogerio Alves Santana
- Honovan Paz Rocha
- Jane Thais Soares de Oliveira
