Título: Avaliação de Técnicas de Aprendizado de Máquina Aplicadas à Análise de Risco de Crédito
Autores: Jane T. S. Oliveira, Rogério A. Santana and Honovan P. Rocha
Resumo:
O serviço de concessão de crédito ao consumidor final tem crescido de forma contundente nos últimos anos, sendo esta uma tendência se levarmos em consideração os juros mais baixos praticados com um cenário polı́tico/econômico cada vez mais conservador. Neste cenário, torna-se ainda mais relevante o processo de análise de risco de crédito, que ainda utiliza muitas técnicas arcaicas, com enfoque no tratamento individual e subjetivo dos dados do candidato à concessão. Visando otimizar a tarefa de análise de risco de crédito o presente trabalho tem como objetivo o estudo, implementação e avaliação de 10 dentre os principais algoritmos de classificação presentes na literatura aplicados à classificação de candidatos à concessão de crédito. Adicionalmente, a etapa de pré-processamento da base de dados utilizada incluiu a tarefa de seleção de caracterı́sticas através de filtros univariados e multivariados, com o intuito de encontrar os atributos mais relevantes bem como a eliminação de redundâncias. Os experimentos realizados demonstraram a importância da seleção de caracterı́sticas para melhoria dos algoritmos de classificação, além disso, foi possı́vel verificar que os métodos do tipo ensemble obtiveram os melhores resultados de maneira geral considerando-se a base de dados utilizada.
Palavras-chave:
Aprendizado de máquina, algoritmos de classificação, seleção de caracterı́sticas, ensemble, análise de crédito.
Páginas: 9
Código DOI: 10.21528/CBIC2021-150
Artigo em pdf: CBIC_2021_paper_150.pdf
Arquivo BibTeX: CBIC_2021_150.bib