Modelo predictivo de clientes en mora

RESUMEN : En el documento se detalla la importancia de conocer el perfil de comportamiento de pago de los clientes de un Banco. Se busca lograr un mejor perfilamiento de clientes actuales y futuros a través del entrenamiento de un modelo Machine Learning. Para la selección del mejor modelo de clasificación, se plantea el entrenamiento de modelos de machine learning con una data de históricos tomada de la nube. Los modelos usados son Regresión Logística, KNN y Random Forest, para cada modelo se determinan sus métricas dentro de las que se encuentra el accuracy y la precisión en la clasificación de cada uno de los valores de las variables de salida qué se dan como resultado del entrenamiento y prueba de cada uno de estos. Aquel que cuente en su conjunto con los mejores resultados en las métricas seleccionadas será el modelo que finalmente se presentará para determinar en qué grupo se clasifican los clientes.

• Autores: Bareño Amezquita, Carolina
• Tipo de recurso: Tesis
• Fecha de publicación: 2023
• Institución: Universidad de Antioquia
• Repositorio: Repositorio UdeA
• Idioma: spa
• OAI Identifier: oai:bibliotecadigital.udea.edu.co:10495/35685
• Acceso en línea: https://hdl.handle.net/10495/35685
• Palabra clave: Aprendizaje automático (inteligencia artificial); Machine learning; Consumidores - modelos matemáticos; Crédito al consumidor; Análisis de regresión; Bancos; Perfil de cliente; Morosos; Banca; Regresión lineal
• Rights: openAccess
• License: http://creativecommons.org/licenses/by-nc-nd/2.5/co/