Thesis PREDICCIÓN Y CLASIFICACIÓN DE CURSE DE UN BENEFICIO BANCARIO
Loading...
Date
2021-12
Journal Title
Journal ISSN
Volume Title
Program
DEPARTAMENTO DE MATEMÁTICA. INGENIERÍA CIVIL MATEMÁTICA
Campus
Campus San Joaquín, Santiago
Abstract
En este trabajo estamos interesados en resolver y analizar el problema de predecir el comportamiento de un consumidor y su posterior clasificación. Dentro de este problema estudiaremos a cada uno de los prospectos y buscaremos el algoritmo de mejor rendimiento para nuestros datos, dichos algoritmos tienen raíz en herramientas entregadas por Machine Learning. Luego de encontrar la mejor solución procederemos a, generar una solución robusta de un modelo, es decir, que se optimizaran los parámetros para que estos sean estables ante perturbaciones, bajo el algoritmo de Diametrical Risk Minimization, en donde la optimización se genera a partir de bolas con centro en el parámetro entregado. En la primera parte del problema, propondremos y evaluaremos tres algoritmos que son utilizados hoy en día para clasificar prospectos con las métricas ROC-Score y F1-Score. Usaremos los algoritmos con datos obtenidos de una empresa bancaria, los cuales fueron obtenidos tras la práctica realizada. Estos datos fueron sacados de bases de datos reales de la entidad bancaria, los cuales pasan por un proceso de anonimización para el posterior modelaje. Según los experimentos numéricos, en nuestro trabajo existen resultados más significativos cuando se usan algoritmos que tienen como base la optimización de una función objetivo (ver [29], [26],[4]). También adoptaremos una nueva perspectiva de uno de los algoritmos con base en la optimización de los parámetros. Proponemos la optimización desde el punto de vista que nos entrega Diametrical Risk Minimization para el algoritmo de Support Vector Machines, el cual nos entregara resultados robustos para nuestros parámetros, dentro de nuestro estudio nos entregara una ayuda positiva en la distribución de las matrices de confusión entregadas por la clasificación. Finalmente, mostraremos que nuestro algoritmo evidencia una mejora en la distribución de las matrices de confusión, la cual ayudaría a entregar una mejora en la toma de decisión por parte de la empresa bancaria.
Description
Keywords
COMPORTAMIENTO DEL CONSUMIDOR, ALGORITMOS, APRENDIZAJE AUTOMATICO