Mi DSpace
Usuario
Contraseña
Please use this identifier to cite or link to this item: http://hdl.handle.net/20.500.12590/16436
Title: Ensamble de múltiples subconjuntos de datos balanceados aplicado a calificación crediticia
Authors: Carrillo Pino, Jose Enrique
metadata.dc.contributor.advisor: Barrios Aranibar, Dennis
Keywords: Calificación crediticia;Desbalanceo de datos;Aprendizaje de máquina;Ensamble de modelos de clasificación
Issue Date: 2020
Publisher: Universidad Católica San Pablo
Abstract: La investigación actual en calificación crediticia no ha prestado atención al desbalanceo presente en los conjuntos de datos. Por esta razón, en este trabajo se importó un método reciente de ensamble para clasificar datos desbalanceados en el dominio de crédito. Se usaron cuatro clasificadores base de diversas familias, y tres conjuntos de datos heterogéneos como prueba. Luego de ejecutar los experimentos, los resultados son bastante alentadores; el área bajo la curva (AUC) mejoro en diez de doce clasificadores base. Además, los clasificadores ensamblados creados son estadísticamente superiores a los algoritmos del estado del arte Random Forest y XGBoost. Finalmente, al comparar los resultados de este estudio con los resultados de otros estudios en dos conjuntos de datos de referencia se ratifica que los resultados son bastante competitivos.
URI: http://hdl.handle.net/20.500.12590/16436
Appears in Collections:Tesis Pregrado - Ciencia de la computación

Files in This Item:
File Description SizeFormat 
CARRILLO_PINO_JOS_ENS.pdf1.64 MBAdobe PDFView/Open    Request a copy


Items in DSpace are protected by copyright, with all rights reserved, unless otherwise indicated.