EL REPOSITORIO SE ENCUENTRA EN MARCHA BLANCA

 

Thesis
PREDICCIÓN Y CLASIFICACIÓN DE CURSE DE UN BENEFICIO BANCARIO

dc.contributor.advisorDERIDE, JULIO (PROFESOR(A) GUÍA)
dc.contributor.advisorALFARO, FRANCISCO (PROFESOR(A)CORREFERENTE)
dc.contributor.authorBRICEÑO FIGUEROA, JUAN FRANCISCO
dc.contributor.departmentUniversidad Técnica Federico Santa María. Departamento de Matemáticaes_CL
dc.coverage.spatialCampus San Joaquín, Santiagoes_CL
dc.creatorBRICEÑO FIGUEROA, JUAN FRANCISCO
dc.date.accessioned2024-10-30T00:34:11Z
dc.date.available2024-10-30T00:34:11Z
dc.date.issued2021-12
dc.description.abstractEn 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.es_CL
dc.description.degreeINGENIERO CIVIL MATEMÁTICOes_CL
dc.description.programDEPARTAMENTO DE MATEMÁTICA. INGENIERÍA CIVIL MATEMÁTICAes_CL
dc.identifier.barcode3560902039120es_CL
dc.identifier.urihttps://repositorio.usm.cl/handle/123456789/55439
dc.rights.accessRightsB - Solamente disponible para consulta en sala (opción por defecto)
dc.subjectCOMPORTAMIENTO DEL CONSUMIDORes_CL
dc.subjectALGORITMOSes_CL
dc.subjectAPRENDIZAJE AUTOMATICOes_CL
dc.titlePREDICCIÓN Y CLASIFICACIÓN DE CURSE DE UN BENEFICIO BANCARIOes_CL
dc.typeTesis de Pregrado
dspace.entity.typeTesis

Files

Original bundle

Now showing 1 - 1 of 1
No Thumbnail Available
Name:
3560902039120UTFSM.pdf
Size:
4.14 MB
Format:
Adobe Portable Document Format